蜂群多特征長期監(jiān)測系統(tǒng)設(shè)計(jì)與試驗(yàn)研究

洪葳 胥保華 劉升平

摘要： 目前，針對(duì)蜂群發(fā)生崩潰式消失的現(xiàn)象還缺乏有效的觀測和分析手段。本研究在分析蜂群行為與檢測特征的基礎(chǔ)上，設(shè)計(jì)了一種基于物聯(lián)網(wǎng)技術(shù)的蜂群多特征長期監(jiān)測系統(tǒng)。該系統(tǒng)采用太陽能供電，融合了多種傳感器，能夠檢測蜂群的多個(gè)特征（蜂箱內(nèi)部的溫度、濕度、蜂群重量、聲音和蜜蜂的進(jìn)出量），并利用無線數(shù)據(jù)同步傳輸技術(shù)將這些數(shù)據(jù)上傳到遠(yuǎn)程云服務(wù)器中?；谠撓到y(tǒng)，本研究還進(jìn)行了針對(duì)意大利蜜蜂從2018年秋季到2020年春季為期235天的長期連續(xù)監(jiān)測試驗(yàn)，記錄了蜂群在秋衰期、越冬期和春繁期蜂箱內(nèi)部溫度、濕度、蜂群重量、聲音和進(jìn)出量的逐小時(shí)的細(xì)致變化。試驗(yàn)結(jié)果表明，在此期間，蜂箱內(nèi)的平均溫度呈現(xiàn)從25℃下降到-5℃再回升至15℃的拋物線變化，相應(yīng)的進(jìn)出巢次數(shù)也由大約8萬次/天減少至0次/天再增加至5萬次/天。在越冬期中，蜂群的重量呈現(xiàn)出大約25 g/天的線性下降趨勢，同時(shí)蜂箱內(nèi)也更為安靜，聲音的頻率集中于0～64 Hz。由此表明，在不干擾蜂群的情況下，該監(jiān)測系統(tǒng)獲得的特征數(shù)據(jù)能夠有效地揭示蜂群的日?；顒?dòng)和趨勢變化，可用來研究蜂群的行為生物學(xué)、探索崩潰式的蜂群消失成因以及發(fā)展精確化蜜蜂養(yǎng)殖業(yè)。

關(guān)鍵詞： 蜂群監(jiān)測;智能蜂箱;多特征;智慧農(nóng)業(yè);物聯(lián)網(wǎng)技術(shù)

中圖分類號(hào)： S89;TP23 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 202005-SA001

引文格式：洪葳， 胥保華， 劉升平. 蜂群多特征長期監(jiān)測系統(tǒng)設(shè)計(jì)與試驗(yàn)研究[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 105-114.

Citation：HONG Wei， XU Baohua， LIU Shengping. Design and experimental research of long-term monitoring system for bee colony multiple features[J]. Smart Agriculture， 2020， 2（2）： 105-114.

1 引 ?言

蜜蜂是一種重要的社會(huì)性昆蟲，它能生產(chǎn)蜂蜜、蜂王漿等多種價(jià)值高、用途廣的蜂產(chǎn)品，同時(shí)也肩負(fù)著給全球35%的糧食作物授粉的工作[1]。然而，由于氣候變遷、農(nóng)藥大規(guī)模使用等可能因素的作用，引發(fā)了美洲、歐洲等部分地區(qū)的蜂群崩潰式消失（Colony Collapse Disorder）。調(diào)查研究表明，美國自從2006年起，平均每年有大約30%的蜂群死亡[2]，這不僅嚴(yán)重影響了農(nóng)業(yè)生產(chǎn)，同時(shí)也對(duì)生態(tài)環(huán)境造成巨大的沖擊。由于缺乏充分證據(jù)，這一現(xiàn)象的確切產(chǎn)生原因至今還沒有定論[3]。

早在1907年，Gates[4]就開始利用人工監(jiān)測蜂群的溫度變化用于指導(dǎo)蜜蜂養(yǎng)殖。在過去的一個(gè)世紀(jì)中，學(xué)者們通過多樣的定量手段對(duì)蜂群的溫度、濕度、重量、聲音、蜜蜂的進(jìn)出量、氣體濃度以及振動(dòng)等一系列特征進(jìn)行了檢測，并試圖建立檢測特征與蜂群活動(dòng)之間聯(lián)系，奠定了蜂群連續(xù)監(jiān)測技術(shù)的理論基礎(chǔ)[5]。在溫度檢測方面，相關(guān)研究表明，當(dāng)蜜蜂的體溫低于9～12℃時(shí)會(huì)發(fā)生昏厥，而適合蜜蜂幼蟲生長的溫度在35℃左右[6]。當(dāng)環(huán)境溫度過低時(shí)，蜂群會(huì)通過調(diào)節(jié)新陳代謝和收縮肌肉來產(chǎn)熱;而當(dāng)溫度過高時(shí)，蜂群會(huì)通過扇風(fēng)和增加蜂箱內(nèi)的濕度來降溫[7]。因此，蜂箱內(nèi)的溫度穩(wěn)定性體現(xiàn)了蜂群對(duì)環(huán)境的適應(yīng)能力和自身的健康狀況[8]。同時(shí)，由于蜂群分蜂前的搖擺舞、集中決策等過程會(huì)造成蜂群的大量活動(dòng)，導(dǎo)致蜂箱內(nèi)的溫度明顯升高。因此溫度的變化也可以作為分蜂等典型事件出現(xiàn)的依據(jù)[9，10]。在濕度檢測方面，Doull[11]通過研究不同濕度下蜜蜂卵的孵化情況，發(fā)現(xiàn)最佳的孵化相對(duì)濕度為90%～95%，當(dāng)相對(duì)濕度低于50%時(shí)，所有的蜜蜂卵都不能被孵化。然而，蜂箱內(nèi)部濕度是多變的，它不僅受到外界濕度、蜂箱內(nèi)的溫度以及花蜜的含水量等因素的被動(dòng)影響，同時(shí)也受到蜜蜂采水、喂養(yǎng)和身體隔離等活動(dòng)的主動(dòng)干預(yù)。因此，蜂箱內(nèi)部的濕度變化較為復(fù)雜，而且不同的區(qū)域有較大的差異。Human等[12]采用多個(gè)傳感器分別對(duì)周圍環(huán)境，蜂箱育蟲區(qū)和花蜜區(qū)的溫濕度進(jìn)行了監(jiān)測，其結(jié)果證明幼蟲區(qū)域具有最高的濕度和最好的穩(wěn)定性，其相對(duì)濕度在40%左右。顯然，他們監(jiān)測結(jié)果明顯的低于Doull等所提及的最佳范圍，由此說明極端條件下濕度的控制是一個(gè)十分嚴(yán)峻的問題。在蜂群重量檢測方面，Hambleton[13]采用每小時(shí)一次的人工稱重方法，連續(xù)幾天監(jiān)測同一蜂箱的重量變化，發(fā)現(xiàn)蜂箱的重量變化具有很強(qiáng)的規(guī)律：夜間的蜂蜜濃縮和清晨的蜜蜂外出會(huì)造成蜂箱的質(zhì)量減少，而上午到傍晚蜂箱的重量增加取決于蜜蜂的采收活動(dòng)。因此蜂箱重量變化的幅度可作為蜂群日?；顒?dòng)的重要指標(biāo)。進(jìn)一步地，Meikle等[14]基于17個(gè)多月的連續(xù)重量監(jiān)測結(jié)果，提議將蜂箱每七天的平均重量變化作為蜂群食物存量變化的依據(jù)，而每天的重量波動(dòng)作為蜂群對(duì)食物消耗量的依據(jù)，因此通過這兩個(gè)重量指標(biāo)就能在不干擾蜜蜂的情況下揭示蜜蜂的活動(dòng)和蜂群的發(fā)展。與此同時(shí)，由于蜂群發(fā)生分蜂和飛逃時(shí)，大量蜜蜂會(huì)攜帶蜂蜜離巢，也會(huì)造成重量瞬時(shí)的突變，因此一定幅度的重量突變可以作為分蜂和飛逃的判斷依據(jù)。在聲音檢測方面，蜂群的聲音是由眾多蜜蜂個(gè)體活動(dòng)所引起的空氣振動(dòng)的疊加。早在1957年，F(xiàn)rings和Little[15]就發(fā)現(xiàn)頻率在300～1000 Hz并且具有足夠強(qiáng)度的聲音會(huì)使得蜂群中幾乎全部蜜蜂的活動(dòng)暫停。無論是意大利蜜蜂（Apis mellifera ligustica）、東方蜜蜂（Apis cerana）還是胡蜂（Vespa manderinia）都會(huì)產(chǎn)生特定頻率的聲音[16]。而在分蜂過程中，蜜蜂拍打翅膀的頻率也存在著差異，獲得分蜂指令的蜜蜂每隔0.5～3 s會(huì)扇動(dòng)一次翅膀，其發(fā)出的聲音頻率在180～250 Hz之間，而當(dāng)它們接觸到其他蜜蜂時(shí)聲音的頻率會(huì)迅速提升至大約500 Hz[17]。因此，聲音信號(hào)可以用來識(shí)別蜂群的活動(dòng)，是一種具有應(yīng)用潛力的檢測特征。在進(jìn)出量檢測方面，由于蜂群中18日齡以上的蜜蜂負(fù)責(zé)外出覓食的工作，因此通過記錄蜜蜂進(jìn)出巢的次數(shù)就能夠了解蜂群攝取食品的能力和種群的結(jié)構(gòu)。為定量化地的分析蜂群的進(jìn)出巢情況，一些人工[18，19]和自動(dòng)[20-24]的計(jì)數(shù)方法被提出。Corbet等[19]發(fā)現(xiàn)蜂群存在一個(gè)明顯的外出閾值溫度，而且在一定溫度范圍內(nèi)出巢的次數(shù)與溫度成正比。同時(shí)，蜜蜂的進(jìn)出數(shù)量也可以作為區(qū)分蜂群正常、中毒和分蜂等不同狀態(tài)的依據(jù)[21]。蜂箱內(nèi)的O2和CO2的濃度與蜜蜂的新陳代謝有關(guān)。Seeley[25]采用向蜂箱通入氣體的方法，分別改變蜂箱內(nèi)部的CO2、N2和O2的濃度，發(fā)現(xiàn)在巢門處扇風(fēng)的蜜蜂數(shù)量隨蜂箱內(nèi)的CO2的濃度升高而正比增加。Southwick 和Moritz[26]觀測到蜂箱內(nèi)O2和CO2的濃度會(huì)像動(dòng)物呼吸一樣存在周期性的變化，其波動(dòng)的幅值在0.6%左右，并且白天的波動(dòng)頻率為（2.9±0.84）次/min，是夜間的7倍。Nerum和Buelens[27]發(fā)現(xiàn)蜂群通過維持蜂箱內(nèi)的低含氧量（<15%）來降低新陳代謝，從而度過食物匱乏的冬季。因此O2和CO2的濃度一定程度上可以作為判斷蜂群健康狀態(tài)的依據(jù)。蜜蜂扇風(fēng)、搖擺舞等活動(dòng)過程中都產(chǎn)生機(jī)械振動(dòng)，而蜜蜂腿部也存在能夠接收200～300 Hz振動(dòng)的感受器。因此振動(dòng)也是蜜蜂個(gè)體之間的一種重要的溝通方式，對(duì)信息的傳播和行動(dòng)的協(xié)調(diào)起到了關(guān)鍵性的作用[28]。特別是對(duì)于分蜂過程，Bencsik等[29]采用加速度計(jì)對(duì)蜂箱0～4000 Hz的振動(dòng)信號(hào)進(jìn)行了分析，發(fā)現(xiàn)500 和2000 Hz的幅值能有效的指示蜂群的分蜂行為。因此檢測蜂群的振動(dòng)信號(hào)有助于了解蜂群的內(nèi)部活動(dòng)[30，31]。

以上研究展示了蜂群活動(dòng)與檢測特征之間的密切聯(lián)系。然而，蜜蜂是一種典型的社會(huì)性昆蟲，它們的行為具有復(fù)雜多變的特點(diǎn)，通過單一的檢測特征很難確定蜂群多樣的行為，因此同時(shí)采用多種檢測特征有助于提高蜂群活動(dòng)的識(shí)別能力。Zacepins等[32]分析了溫度、聲音、出入和重量四種檢測特征對(duì)蜂群的典型狀態(tài)的識(shí)別能力?；谒麄兊姆治觯捎脝稳好鄯涞臄?shù)據(jù)可以對(duì)死亡、繁育、少子、預(yù)分蜂以及分蜂狀態(tài)進(jìn)行識(shí)別，而通過對(duì)比多群蜜蜂的數(shù)據(jù)可以進(jìn)一步的識(shí)別蜂群的活躍程度、疾病、缺少食物以及異常進(jìn)出。其中溫度的識(shí)別能力最強(qiáng)，而其他的三種檢測特征各有著不同的優(yōu)點(diǎn)。由此也說明采用多種檢測特征能夠有效的提升識(shí)別的覆蓋率和正確率。

隨著電子信息技術(shù)的發(fā)展，信息化、智能化成為了農(nóng)業(yè)發(fā)展的趨勢[33，34]，研究人員開展了系列基于連續(xù)監(jiān)測的蜜蜂精確養(yǎng)殖[35-37]。盡管如此，國內(nèi)外能夠?qū)崿F(xiàn)大規(guī)模、長時(shí)間實(shí)際監(jiān)測的系統(tǒng)還十分缺乏，這是由于研制實(shí)用化的蜂群監(jiān)測系統(tǒng)依然面臨著巨大的挑戰(zhàn)[32]。首先，蜂群是由成千上萬只蜜蜂組成的復(fù)雜系統(tǒng)，采用單一傳感器很容易發(fā)生蜂群狀態(tài)識(shí)別錯(cuò)誤，因此如何在系統(tǒng)中盡可能多地融合有用的傳感器從而提高診斷的正確率是關(guān)鍵性問題。其次，監(jiān)測系統(tǒng)能源是否自給決定了系統(tǒng)是否能夠在野外長時(shí)間地工作。最后，因?qū)嶋H生產(chǎn)過程中需要頻繁地搬運(yùn)蜂箱，采用有線數(shù)據(jù)傳輸方式會(huì)帶來極大不便，因此如何實(shí)現(xiàn)無線數(shù)據(jù)傳輸也是一個(gè)迫切需要解決的問題。

為定量化地監(jiān)測蜂群行為和變化趨勢，本研究在分析檢測特征和蜂群活動(dòng)之間關(guān)系的基礎(chǔ)上，提出了一種基于太陽能供電的蜂群多特征無線監(jiān)測系統(tǒng)，并將其應(yīng)用于意大利蜜蜂蜂群實(shí)際監(jiān)測中，實(shí)現(xiàn)了從2019年秋季到2020年春季為期235天的逐小時(shí)監(jiān)測。最后基于監(jiān)測數(shù)據(jù)分析了蜂群的活動(dòng)。本研究的主要?jiǎng)?chuàng)新之處為：基于物聯(lián)網(wǎng)技術(shù)設(shè)計(jì)了一種融合了多種傳感器、太陽能電能自給和無線數(shù)據(jù)同步傳輸?shù)姆淙罕O(jiān)測系統(tǒng)，并實(shí)現(xiàn)了對(duì)意蜂蜂群多特征長時(shí)間的連續(xù)觀測。

2 系統(tǒng)設(shè)計(jì)方案

2.1 特征適用程度分類

設(shè)計(jì)一套能被廣泛使用的蜂群監(jiān)測系統(tǒng)，除了考慮檢測特征的多樣性外，還需要考慮與蜂群的相關(guān)度、信息的豐富度、造價(jià)的經(jīng)濟(jì)性和實(shí)施的簡易性等因素。因此，本研究依據(jù)文獻(xiàn)和多年養(yǎng)蜂生產(chǎn)經(jīng)驗(yàn)總結(jié)，評(píng)估了不同檢測特征在蜂群監(jiān)測系統(tǒng)中的適用程度，如表1所示。通過不同特征之間的對(duì)比，將每種因素分為高、中、低三個(gè)量化等級(jí)。評(píng)估等級(jí)越高表明檢測特征越適用。

這里相關(guān)度被作為最高的優(yōu)先級(jí)進(jìn)行考慮，重量、溫度、聲音和進(jìn)出量四個(gè)檢測特征與蜂群活動(dòng)高度關(guān)聯(lián)同時(shí)又具有不可替代性，因此被納入監(jiān)測系統(tǒng)的設(shè)計(jì)中。此外，因溫濕度傳感器為一體化設(shè)計(jì)，無需再為濕度檢測的成本和技術(shù)實(shí)現(xiàn)付出更多的代價(jià)，盡管濕度的關(guān)聯(lián)性和豐富度都為低，但也被采用作為檢測特征。

2.2 監(jiān)測系統(tǒng)設(shè)計(jì)

以往報(bào)道的蜂群監(jiān)測系統(tǒng)通常以蜂場為單位進(jìn)行內(nèi)部數(shù)據(jù)存儲(chǔ)與管理，這種方式存在標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)無法共享、維護(hù)效率低等問題。隨著物聯(lián)網(wǎng)技術(shù)日趨成熟，通過標(biāo)準(zhǔn)的協(xié)議將監(jiān)測對(duì)象的數(shù)據(jù)接入互聯(lián)網(wǎng)，并集中存儲(chǔ)于遠(yuǎn)程服務(wù)器中，已成為業(yè)內(nèi)的共識(shí)。由于實(shí)際生產(chǎn)過程中，蜂箱會(huì)被放置在野外，同時(shí)根據(jù)季節(jié)變化可能會(huì)經(jīng)常會(huì)被轉(zhuǎn)運(yùn)，因此利用無線網(wǎng)接入數(shù)據(jù)是最為理想的方式。手機(jī)移動(dòng)網(wǎng)絡(luò)是世界上覆蓋最廣泛的無線互聯(lián)網(wǎng)接入方式，具有技術(shù)成熟、成本低廉的特點(diǎn)，可為蜂群監(jiān)測系統(tǒng)提供數(shù)據(jù)接入方式。而由于每個(gè)蜂箱都需要傳輸各自的數(shù)據(jù)，如果各自單獨(dú)接入手機(jī)網(wǎng)絡(luò)，在功耗、成本和管理上都存在著劣勢。因此本研究提出采用無線局域網(wǎng)（Wi-Fi）作為一個(gè)蜂場的內(nèi)網(wǎng)進(jìn)行數(shù)據(jù)通信，可以實(shí)現(xiàn)視距100 m的信號(hào)覆蓋。如果以1 m的間隔部署蜂箱理論上可以實(shí)現(xiàn)上萬箱的信號(hào)覆蓋，能夠滿足實(shí)際部署的需求。基于以上考慮，研究構(gòu)建了蜂群監(jiān)測系統(tǒng)結(jié)構(gòu)如圖1所示。每個(gè)智能蜂箱上布置一套用于采集蜂群信息的檢測裝置，并通過Wi-Fi上傳至路由器，再經(jīng)過移動(dòng)網(wǎng)絡(luò)上傳至云服務(wù)器中，進(jìn)行存儲(chǔ)和分析。用戶則可以通過訪問云服務(wù)器了解蜂群的狀態(tài)，從而進(jìn)行蜂群管理。

依據(jù)上述檢測特征評(píng)估結(jié)果，本研究在蜂箱中安裝了一套具有檢測溫濕度、重量、聲音和蜜蜂進(jìn)出量功能的檢測裝置，圖2是裝有檢測裝置的智能蜂箱設(shè)計(jì)圖。上述的五種傳感器的安裝位置為：溫濕度傳感器和聲音傳感器被集成在檢測裝置中，進(jìn)出傳感器安裝在巢門處，稱重傳感器安裝在蜂箱內(nèi)部巢框的支撐面上。

2.3 檢測裝置技術(shù)方案

基于嵌入式方案能夠有效地優(yōu)化裝置的功耗和布局，因此本研究采用嵌入式方案設(shè)計(jì)檢測裝置，圖3是技術(shù)方案原理圖及參數(shù)選型。其中，太陽能電池板用于將太陽能轉(zhuǎn)化為電能。鋰電池作為電能的存儲(chǔ)裝置，當(dāng)太陽能充足時(shí)將存儲(chǔ)多余的電能，反之釋放存儲(chǔ)的電能以支持裝置運(yùn)行。Wi-Fi模塊用于裝置與服務(wù)器之間的數(shù)據(jù)通信，由于是成熟的商用模塊，并基于TCP/IP協(xié)議具有通訊校驗(yàn)和重發(fā)機(jī)制，因此能夠保證數(shù)據(jù)傳輸?shù)目煽啃浴Ｎ宸N傳感器分別用于獲取各種檢測特征數(shù)據(jù)。微處理器用于控制這些組件的協(xié)同工作。選用基于ARM內(nèi)核的32位嵌入式處理器STM32作為裝置的微處理器。選用基于AT指令集的ESP8266作為Wi-Fi通訊模塊。此外，在本設(shè)計(jì)中，綜合考慮量程和精度等因素，溫濕度傳感器采用基于I2C數(shù)字接口的DHT12模塊，重量傳感器采用成熟的電橋式稱重單元YZC133，聲音傳感器采用MIC52由STM32的片上AD通道進(jìn)行模數(shù)轉(zhuǎn)化，進(jìn)出巢量采用CAP20感應(yīng)式模塊進(jìn)行檢測以TTL電平方式與STM32進(jìn)行連接。

為實(shí)現(xiàn)能源自給，需要盡可能地降低系統(tǒng)功耗，除了采用低功耗的元部件外，檢測裝置需要采用間歇工作模式來進(jìn)一步降低整體功耗。同時(shí)，還需要保證太陽能的年度獲取總量大于裝置的年度消耗總量，以及具備足夠大的鋰電池能夠支撐裝置度過陽光匱乏季節(jié)。目前所設(shè)計(jì)的裝置能夠以每小時(shí)一次的頻率將蜂群的信息傳輸至云服務(wù)器，并且經(jīng)測試，能在沒有任何陽光的情況下穩(wěn)定運(yùn)行兩周以上。智能蜂箱的有關(guān)參數(shù)如表2所示。

2.4 云服務(wù)器設(shè)計(jì)

云服務(wù)器采用MySQL作為數(shù)據(jù)庫進(jìn)行數(shù)據(jù)存儲(chǔ)，同時(shí)通過PHP語言實(shí)現(xiàn)了服務(wù)器的應(yīng)用程序，如圖4所示。當(dāng)數(shù)據(jù)到達(dá)服務(wù)器后，首先被存儲(chǔ)在數(shù)據(jù)庫中，同時(shí)將控制指令返回給相應(yīng)智能蜂箱中的檢測裝置，然后依據(jù)人工設(shè)定的閾值對(duì)蜂群的狀態(tài)進(jìn)行診斷，并且對(duì)異常數(shù)據(jù)進(jìn)行標(biāo)記，同時(shí)向用戶報(bào)警。而標(biāo)記數(shù)據(jù)可用于離線的機(jī)器學(xué)習(xí)，從而提升診斷的性能?；诜?wù)器應(yīng)用程序，用戶還可以隨時(shí)訪問歷史數(shù)據(jù)，以及對(duì)異常數(shù)據(jù)進(jìn)行人工標(biāo)記。

3 系統(tǒng)監(jiān)測試驗(yàn)和結(jié)果分析

3.1 試驗(yàn)方案

為了驗(yàn)證監(jiān)測系統(tǒng)的性能，將研制好的智能蜂箱部署于山東省泰安市山東農(nóng)業(yè)大學(xué)南校區(qū)，用于對(duì)若干群意蜂的活動(dòng)進(jìn)行監(jiān)測。部署方式為傳統(tǒng)的并排式放置，間距大約為10 cm，如圖5所示。

監(jiān)測時(shí)間從2018年8月17日持續(xù)至2020年4月16日，監(jiān)測蜂群編號(hào)為8321。

3.2 監(jiān)測結(jié)果

圖6是蜂群實(shí)際監(jiān)測結(jié)果。其中，由于系統(tǒng)調(diào)整去除了2019年9月25日至10月1日這8天的數(shù)據(jù)，最終共有235天有效數(shù)據(jù)用于分析。圖中綠色柱狀圖為蜜蜂每天通過巢門的累計(jì)次數(shù)，藍(lán)色實(shí)線為每天23時(shí)蜂群的總重量，紅色虛線表示每天蜂箱內(nèi)的平均溫度。由于濕度變化受氣溫和蜜蜂活動(dòng)等多種因素的共同影響，導(dǎo)致其結(jié)果較為復(fù)雜，因此沒有在圖6中繪制。根據(jù)蜜蜂進(jìn)出巢的數(shù)量變化明顯轉(zhuǎn)折點(diǎn)可以將這段時(shí)間分為三個(gè)時(shí)期：8月至11月中旬的秋衰期，11月中旬至2月中旬的越冬期以及2月中旬至4月的春繁期。在秋衰期，隨著氣溫的逐漸降低和蜜源的逐漸減少，蜂箱內(nèi)環(huán)境的平均溫度和蜂群的進(jìn)出巢數(shù)量也隨之降低。由于這一時(shí)期蜂蜜采收的不穩(wěn)定，蜂群的總重量有較大的波動(dòng)（其中8月底、9月初、1月底、2月初以及4月初重量的明顯突變是由于人為加減脾造成的）。在越冬期，蜂箱內(nèi)環(huán)境的平均溫度均低于15℃，甚至到達(dá)了0℃以下，期間蜜蜂很少外出活動(dòng)，而蜂群的總重量呈現(xiàn)穩(wěn)定的下降趨勢，大約為25 g/天。在春繁期，蜂箱內(nèi)環(huán)境的平均溫度隨外界氣溫的升高而升高，并且進(jìn)出巢的數(shù)量和總重量都呈現(xiàn)波動(dòng)上升的趨勢。

為進(jìn)一步分析蜂群的日常活動(dòng)，在蜂群作業(yè)比較有代表性的三個(gè)時(shí)期（采蜜、越冬、冬繁），各隨機(jī)選取一天，分別是2019年8月25日、2020年1月15日和2020年4月16日，作為這三個(gè)時(shí)期的代表日期，如圖7～9所示。其中綠色柱狀圖為蜜蜂每小時(shí)通過巢門的累計(jì)次數(shù)，藍(lán)色實(shí)線為每時(shí)刻蜂群的總重量，紅色虛線表示每時(shí)刻蜂箱內(nèi)的溫度，紫色點(diǎn)劃線表示每時(shí)刻蜂箱內(nèi)的濕度。

2019年8月25日為秋衰期中進(jìn)出巢數(shù)量最大的一天，全天累計(jì)進(jìn)出巢的次數(shù)達(dá)8萬次。在這一天中，蜂箱內(nèi)的溫度變化在24℃～32℃，最低溫度出現(xiàn)在上午的8～9點(diǎn)之間，最高溫度出現(xiàn)在15～16點(diǎn)之間;蜂箱內(nèi)的濕度變化范圍為60%～80%，濕度的變化與溫度呈現(xiàn)一定的負(fù)相關(guān)特性;由于蜂箱內(nèi)的溫度較高，蜂群夜間也存在進(jìn)出巢的行為，全天進(jìn)出巢主要集中在9～19點(diǎn)之間，特別是14點(diǎn)和16點(diǎn)存在兩個(gè)高峰，這一現(xiàn)象可能與新蜂練飛相關(guān);蜂群的總重量在這一天中增加了大約400 g，質(zhì)量增加過程集中在6～16點(diǎn)之間，由此說明早上，特別是清晨對(duì)于蜂群采收蜂蜜至關(guān)重要，因此應(yīng)該盡量避免在這一時(shí)間段人為的干擾蜜蜂的活動(dòng)。

2020年1月15日是越冬期中的一天。期間，蜂群完全沒有出巢行為。其蜂箱內(nèi)的溫度很低，早上6～7點(diǎn)甚至到達(dá)了-6℃，最高溫度出現(xiàn)在11點(diǎn)為6℃，這一溫度升高很有可能是由于陽光直射蜂箱引起的，由此也說明越冬期間陽光直射蜂箱有助于蜂群增強(qiáng)蜂群的越冬能力。這一天中，蜂群的總重量也存在著一定的波動(dòng)，這一現(xiàn)象有可能與稱重傳感器的溫度特性有關(guān)，也有可能與蜂群在蜂群上的活動(dòng)有關(guān)。盡管如此，扣除總重量的波動(dòng)仍然能夠發(fā)現(xiàn)其總體呈下降的趨勢。

2020年4月16日是春繁期中進(jìn)出巢次數(shù)最多的一天，累計(jì)達(dá)5萬次。其監(jiān)測結(jié)果與2019年8月25日相似，主要區(qū)別在于日間采收活動(dòng)直到上午9點(diǎn)才開始而且時(shí)長較短。由于繁育期飼料消耗較大，盡管日間能夠采收到花蜜和花粉，但是蜂群的總重量并沒有增加，這也導(dǎo)致了春繁期蜂群的總重量波動(dòng)較大。

進(jìn)一步分析這三天蜂群的聲音頻譜，如圖10～12所示。

橫坐標(biāo)表示聲音的頻率，分辨率為8 Hz;縱坐標(biāo)表示時(shí)間，單位為h;圖像的顏色表示該頻率聲音的幅值大小。對(duì)比這三天的結(jié)果，可以發(fā)現(xiàn)春繁期蜂箱內(nèi)的聲音最大，秋衰期其次，越冬期最小。春繁期和秋衰期的頻譜圖具有一定的相似性：聲音中均包含128 Hz和256 Hz附近的頻率成分，并且全天持續(xù)存在。相關(guān)研究表明這兩個(gè)頻段的聲音與蜜蜂的扇風(fēng)活動(dòng)有關(guān)。越冬時(shí)的頻譜圖與其他兩個(gè)時(shí)期差異較大：幾乎不存在大于64 Hz的頻率成分，而小于64 Hz的頻率信號(hào)持續(xù)保持相等的強(qiáng)度，由此推斷小于64 Hz的聲音頻率信號(hào)與蜂群越冬過程中的產(chǎn)熱機(jī)理有關(guān)，值得后續(xù)再開展深入研究。

4 結(jié)論與展望

本研究在分析蜂群行為與檢測特征的基礎(chǔ)上，設(shè)計(jì)了一種蜂群監(jiān)測系統(tǒng)，它能夠檢測蜂箱內(nèi)部的溫度、濕度、蜂群重量、聲音和蜜蜂的進(jìn)出量七個(gè)特征，并通過手機(jī)移動(dòng)網(wǎng)絡(luò)和Wi-Fi將這些數(shù)據(jù)上傳到遠(yuǎn)程云服務(wù)器中。相對(duì)于其他監(jiān)測系統(tǒng)，該系統(tǒng)采用多傳感器融合設(shè)計(jì)，能夠?qū)崿F(xiàn)電能自給和無線數(shù)據(jù)同步傳輸，方便系統(tǒng)部署和實(shí)現(xiàn)蜂群長期監(jiān)測。

同時(shí)，基于監(jiān)測系統(tǒng)，本研究開展了針對(duì)意蜂從秋季到春季的連續(xù)監(jiān)測試驗(yàn)并分析了監(jiān)測數(shù)據(jù)。數(shù)據(jù)反映了蜂群在秋衰期、越冬期和春繁期蜂箱內(nèi)部溫度、濕度、蜂群重量、聲音和進(jìn)出量的逐小時(shí)的細(xì)致變化。結(jié)果表明，該系統(tǒng)能夠在不干擾蜂群活動(dòng)的前提下揭示蜂群的日?；顒?dòng)和群勢變化。其中，溫濕度數(shù)據(jù)可以反映蜂箱內(nèi)部的微環(huán)境狀態(tài)，能夠用于評(píng)估蜂群生存環(huán)境;蜂群的總重量變化和蜜蜂進(jìn)出巢的次數(shù)可以反映蜂群的日?；顒?dòng)，能夠用于評(píng)估蜂群的發(fā)展趨勢;蜂群的聲音反映了蜜蜂之間的協(xié)同活動(dòng)，是一個(gè)值得進(jìn)一步研究的特征，它將有助于增進(jìn)對(duì)蜂群微觀行為的了解。基于這種蜂群監(jiān)測系統(tǒng)的優(yōu)異性能，本系統(tǒng)可用來研究蜂群的行為生物學(xué)、探索崩潰式的蜂群消失成因以及促進(jìn)發(fā)展精確化的蜜蜂養(yǎng)殖業(yè)。

后續(xù)將研究蜂群行為特征的建模，進(jìn)而結(jié)合監(jiān)測數(shù)據(jù)對(duì)蜂群的狀態(tài)進(jìn)行識(shí)別。

參考文獻(xiàn)：

[1] WINFREE R， GROSS B J， KREMEN C. Valuing pollination services to agriculture[J]. Ecological Economics， 2011， 71： 80-88.

[2] WATSON K， ?STALLINS J A. Honey bees and colony collapse disorder： A pluralistic reframing[J]. Geography Compass， 2016， 10（5）： 222-236.

[3] WATANABE M E. Colony collapse disorder： Many suspects， no smoking gun[J]. BioScience， 2008， 58（5）： 384-388.

[4] GATES B N. Temperature of the bee colony[M]. U.S. Department of Agriculture， 1914.

[5] MEIKLE W G， HOLST N. Application of continuous monitoring of honeybee colonies[J]. Apidologie， 2015， 46（1）： 10-22.

[6] SOUTHWICK E E， HELDMAIER G. Temperature control in honey bee colonies[J]. BioScience， 1987， 37（6）： 395-399.

[7] JONES J C， MYERSCOUGH M R， GRAHAM S， et al. Honey bee nest thermoregulation： Diversity promotes stability[J]. Science， 2004， 305（5682）： 402-404.

[8] KRIDI D S， DE CARVALHO C G N， GOMES D G. Application of wireless sensor networks for beehive monitoring and in-hive thermal patterns detection[J]. Computers and Electronics in Agriculture， 2016， 127： 221-235.

[9] ZACEPINS， A， KVIESIS A， STALIDZANS E， et al. Remote detection of the swarming of honey bee colonies by single-point temperature monitoring[J]. Biosystems Engineering， 2016， 148： 76-80.

[10] ZHU X， WEN X， ZHOU S， et al. The temperature increase at one position in the colony can predict honey bee swarming （Apis cerana）[J]. Journal of Apicultural Research， 2019， 58（4）： 489-491.

[11] DOULL K M. The effects of different humidities on the hatching of the eggs of honeybees[J]. Apidologie， 1976， 7（1）： 61-66.

[12] HUMAN H， NICOLSON S W， DIETEMANN V. Do honeybees， Apis mellifera scutellata， regulate humidity in their nest？[J]. Naturwissenschaften， 2006， 93（8）： 397-401.

[13] HAMBLETON J I. The quantitative and qualitative effect of weather upon colony weight changes[J]. Journal of Economic Entomology， 1925， 18（3）： 447-448.

[14] MEIKLE W G， RECTOR B G， MERCADIER G， et al. Within-day variation in continuous hive weight data as a measure of honey bee colony activity[J]. Apidologie， 2008， 39（6）： 694-707.

[15] FRINGS H， LITTLE F. Reactions of honey bees in the hive to simple sounds[J]. Science， 1957， 125（3238）： 122.

[16] ISHAY J S， SADEH D. The sounds of honey bees and social wasps are always composed of a uniform frequency[J]. The Journal of the Acoustical Society of America， 1982， 72（3）： 671-675.

[17] ESCH H. The sounds produced by swarming honey bees[J]. Zeitschrift für Vergleichende Physiologie， 1967， 56（4）： 408-411.

[18] GARY N E. A method for evaluating honey bee flight activity at the hive entrance1[J]. Journal of Economic Entomology， 1967， 60（1）： 102-105.

[19] CORBET S A， FUSSELL M， AKE R， et al. Temperature and the pollinating activity of social bees[J]. Ecological Entomology， 1993， 18（1）： 17-30.

[20] FABERGé A C. Apparatus for recording the number of bees leaving and entering a hive[J]. Journal of Scientific Instruments， 1943， 20（2）： 28-31.

[21] STRUYE M， MORTIER H H， ARNOLD J G， et al. Microprocessor-controlled monitoring of honeybee flight activity at the hive entrance[J]. Apidologie， 1994， 25（4）： 384-395.

[22] DANKA R G， BEAMAN L D. Flight activity of USDA-ARS Russian honey bees （Hymenoptera： Apidae） during pollination of lowbush blueberries in maine[J]. Journal of Economic Entomology， 2014， 100（2）： 267-272.

[23] STREIT S， BOCK F， PIRK C W W， et al. Automatic life-long monitoring of individual insect behaviour now possible[J]. Zoology， 2003， 106（3）： 169-171.

[24] SCHNEIDER C W， TAUTZ J， GRüNEWALD B， et al. RFID tracking of sublethal effects of two neonicotinoid insecticides on the foraging behavior of apis mellifera[J]. PLoS ONE， 2012， 7（1）： ID e30023.

[25] SEELEY T D. Atmospheric carbon dioxide regulation in honey-bee （Apis mellifera） colonies[J]. Journal of Insect Physiology， 1974， 20（11）： 2301-2305.

[26] SOUTHWICK E E， MORITZ R F A. Social control of air ventilation in colonies of honey bees， Apis mellifera[J]. Journal of Insect Physiology， 1987， 33（9）： 623-626.

[27] VAN NERUM K， BUELENS H. Hypoxia-controlled winter metabolism in honeybees （Apis mellifera）[J]. Comparative Biochemistry and Physiology Part A： Physiology， 1997， 117（4）： 445-455.

[28] SCHNEIDER S S， STAMPS J A， GARY N E. The vibration dance of the honey bee. I. Communication regulating foraging on two time scales[J]. Animal Behaviour， 1986， 34（2）： 377-385.

[29] BENCSIK M， BENCSIK J， BAXTER M， et al. Identification of the honey bee swarming process by analysing the time course of hive vibrations[J]. Computers and Electronics in Agriculture， 2011， 76（1）： 44-50.

[30] MICHELSEN A， KIRCHNER W H， Andersen B B， et al. The tooting and quacking vibration signals of honeybee queens： A quantitative analysis[J]. Journal of Comparative Physiology A， 1986， 158（5）： 605-611.

[31] NIEH J C， TAUTZ J. Behaviour-locked signal analysis reveals weak 200-300Hz comb vibrations during the honeybee waggle dance[J]. Journal of Experimental Biology， 2000， 203（10）： 1573-1579.

[32] ZACEPINS A， BRUSBARDIS V， MEITALOVS J， et al. Challenges in the development of Precision Beekeeping[J]. Biosystems Engineering， 2015， 130： 60-71.

[33] 孔繁濤， 朱孟帥， 孫坦. 現(xiàn)代信息技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用分析與建議[J]. 智慧農(nóng)業(yè)， 2019， 1（4）： 31-41.

KONG F， ZHU M， SUN T. Application analysis and suggestions of modern information technology in agriculture： Thoughts on Internet enterprises entering agriculture[J]. Smart Agriculture， 2019， 1（4）： 31-41.

[34] 趙春江. 智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J]. 智慧農(nóng)業(yè)， 2019， 1（1）： 1-7.

ZHAO C. State-of-the-art and recommended developmental strategic objectives of smart agriculture[J]. Smart Agriculture， 2019， 1（1）： 1-7.

[35] BAYIR R， ALBAYRAK A. The monitoring of nectar flow period of honey bees using wireless sensor networks[J]. International Journal of Distributed Sensor Networks， 2016， 12（11）. doi： 10.1177/1550147716678003.

[36] GIL-LEBRERO S， QUILES-LATORRE F J， ORTIZ-LóPEZ M. et al. Honey bee colonies remote monitoring system[J]. Sensors， 2017， 17（1）： ID 55.

[37] ZOGOVI? N， MLADENOVI? M， RA?I? S. From primitive to cyber-physical beekeeping[C]// 7th International Conference on Information Society and Technology. Piscataway， New York， USA： IEEE， 2017.

Abstract： The pollination during bees’ foraging is vital to continue species on the earth. However， bee colonies in some areas of America and Europe frequently appeared colony collapse disorder in the past decade due to many possible factors such as climate change and pesticide usage， which has not received enough attention and positive response from human beings. In this research， bee colony’s activities were investigated with seven detectable features （i.e.， weight， temperature， humidity， gas concentration， vibration， sound and entrance counts）， and the applicability of the features was evaluated by considering four factors （i.e. the relevance to bee colony’s activities， the richness of information， the cheapness of cost and the simplicity of engineering）. Based on the investigation and evaluation， an Internet of Things（IoT） based system was presented for long-time monitoring of bee colonies， which could hourly detect the temperature and humidity inside of hive， bee combs’ weight， bee colony’s sounds and bees’ counts of passing through hive entrance. In this system， each hive has an individual detection device for the monitoring of bee colony， and the colony information could be automatically collected and transferred to a remote cloud server which took responsible for the information storing. Finally， the users could freely visit the server to browse the history data and manage their bee colonies. Moreover， a 235 days continuous monitoring for Apis mellifera ligustica was performed from August， 2019 to April， 2020 to demonstrate the system performance， and long-time and one-day monitoring results were both analyzed. The monitoring results indicated that the system could continuously operate without human intervention， and the data could reveal bee colony’s activity and growth， e.g.， the temperature and humidity could reflect the micro climate of the bee hive， the weight could show the forging and stock of food， the sounds contained lots of information about bees’ behavior and the entrance count was strongly related to the activeness and scale of bee colony. Compared with the reported monitoring system， this system is superior in the diversity of detected features， the capability of power self-support and the wireless of data transmission that can benefit to the system’s deployment in the field and long-term operation without maintenance. In the visible future， this system will effectively promote the study related to the biology of bee’s behavior， the reason of colony collapse disorder and the development of precision beekeeping.

Key words： bee colony monitoring; smart hive; multiple features; smart agriculture; Internet of Things