Validierung einer automatischen, KI-gestützten Varroa-Befalls-Auswertung in der Bodeneinlage

Varroose ist eine in Verordnung 2018/1882 in Kategorie C, D und E gelistete Seuche. und wichtigste Ursache für Winterverluste. Varroa destructor schwächt befallene Völker direkt (Brutparasit) und wirkt als Vektor für verschiedene Viren. Diagnosemethoden sind Auswaschverfahren und die Puderzuckermethode zur Bestimmung der Bieneninfektion oder das Auszählen der Milben auf der Bodeneinlage.

Ziel dieser Studie ist die Validierung eines automatisierten, KI-gestützten Verfahrens zur Bestimmung des Milbenfalls.

Das von der Firma BeePal entwickelte Diagnoseverfahren, der BeePal Varroa-Detector, basiert auf der „Windeldiagnose“ und nutzt KI-gestützte Bilderkennung. Entgegen der gängigen Praxis, den Milbenfall nur periodisch für einen begrenzten Zeitraum durchzuführen, analysiert das System laufend das Gemüll. Dazu wird das es auf einem Förderband in den Diagnosebereich transportiert, fotografisch erfasst, abgestreift und in einer Gemüllschublade zur Entsorgung gelagert. Die erfassten Bilder werden durch eine cloudbasierte KI ausgewertet und das Scanergebnis in einem Auswertungsprogramm dargestellt. Durch die KI wird eine individuelle Befallsprognose des Volkes erstellt.

Diverse technische Probleme bei der Automatisierung wurden gelöst. Die Validierung erfolgte durch Auszählung der Milben in den Einzelscans eines Monats in hoher Vergrößerung. Die Genauigkeit der KI-Erkennung liegt bei rund 95%. Unterschieden wurde zwischen „false positives“ (FP), also fälschlicherweise von der KI als Milben definierten Objekten, und „false negatives“ (FN), von de KI „übersehenen“ Milben.

Die durch die KI-Auswertung ermittelten Ergebnisse wurden den Diagnoseergebnissen einer Auswaschprobe vom gleichen Volk gegenübergestellt. Die Volksstärke wurde zuvor mit der Liebefelder Schätzmethode ermittelt. Die mit der KI-Erkennung gefundenen Werte waren deutlich höher als aufgrund der Auswaschmethode zu erwarten wäre. Weitere Untersuchungen sind erforderlich. Die Ergebnisse werden diskutiert.

Publication History

Article published online:
24 October 2024