Mae ymchwilwyr yn yr Ysgol Cyfrifiadureg a Pheirianneg Electronig wedi bod yn ymchwilio i symudiadau gwenyn. Mae gwenyn mêl yn beillwyr pwysig. Mae'r ymchwilwyr wedi bod yn ymchwilio i sut y gellir defnyddio technegau awtomatig a lleiaf ymledol i ddeall symudiad gwenyn mêl. Gellir defnyddio’u gwaith gyda phryfed, anifeiliaid neu asedau eraill, ond mae peillwyr fel gwenyn mêl a chacwn yn amlwg yn allweddol i ddiwydiant ffrwythau meddal, amrywiaeth bwyd a sefydlogrwydd ecosystemau.
Esboniodd Dr Cristiano Palego
Mewn gwaith blaenorol, fe wnaethom osod tag allyrru Amlder Radio (RF) ar raddfa ficro ar thoracs gwenyn, sy'n amlwg yn ymledol ac yn cymryd llawer o amser i'w gyflawni. Mae’r dull radar newydd, nid yn unig yn dileu’r angen am dag corfforol, ond mae hefyd yn addas ar gyfer darllen allan signalau radar Doppler sy’n cael eu gyrru gan ddysgu peirianyddol.
Aeth Cristiano ymlaen i ddweud “Mae hyn yn fanteisiol oherwydd bod signalau Doppler yn fand cymharol gul, ac nid oes angen llawer o bŵer prosesu arnynt, yn enwedig os ydym yn cymharu’r pŵer prosesu y byddai ei angen i wneud dadansoddiad ffilm fideo o symudiad gwenyn. Felly, er ein bod yn dal i ddefnyddio ffilm fideo i hyfforddi'r algorithm, unwaith y bydd y broses hyfforddi wedi'i chwblhau, gall y system redeg ei hun fwy neu lai, hyd yn oed gydag adnoddau caledwedd cymedrol, a chyfrif gwenyn sy'n gadael / dychwelyd yn annibynnol. Gall hefyd ddosbarthu ymddygiad yn wahanol i’r disgwyl, a allai sbarduno gweithredu gwenynwr/ffermwr.”
Yn yr astudiaeth arloesol, mae ymchwilwyr wedi archwilio'r berthynas rhwng darlleniad dysgu peirianyddol a phrosesu signal radar traddodiadol wrth ddadansoddi ymddygiad gwenyn. Mae'r ymchwil, sy'n dal i fynd rhagddo, yn ceisio ateb cwestiwn ymchwil pwysig yn y maes: pa ddull sy'n well?
Yn ôl yr ymchwilwyr, mae'r ateb yn dibynnu ar gymhlethdod y senario. Ar gyfer ymddygiad gwenyn syml neu sengl, mae prosesu signal radar traddodiadol gan ddefnyddio mathemateg yr un mor effeithiol â defnyddio Deallusrwydd Artiffisial. Fodd bynnag, ar gyfer senarios mwy cymhleth, fel pryfed lluosog mewn amgylchedd awyr agored anhrefnus, mae gan ddysgu peirianyddol fantais bendant. Mae hyn oherwydd y gall yr algorithm gynnwys naws ymddygiadol cynnil, na all prosesu signal safonol eu canfod. Mae’n bosibl y bydd yr algorithm angen arweiniad arbenigol gan wenynwyr wrth ddehongli’r canlyniadau ac adeiladu’r algorithm.
Arwyddocâd y gwaith hwn yw ei fod yn dibynnu ar fodiwlau 5.8 GHz parod a chymharol rad, sy'n costio llai na £100 yr un. Mae hyn yn cyferbynnu ag offer 60GHz+ o’r radd flaenaf, a all gostio mwy na £1000. Mae hyn yn gwneud y dechnoleg yn gost-effeithiol ac yn ddelfrydol i'w defnyddio mewn fferm polytwnel lle mae cacwn yn cael eu defnyddio i beillio tomatos. Trwy ddefnyddio’r dechnoleg hon i fonitro gwahanol ardaloedd neu hyd yn oed ymweliadau â phlanhigion unigol, gall ffermwyr wneud y gorau o effeithlonrwydd peillio a chynyddu cynnyrch cnwd.
Mae goblygiadau’r ymchwil hon yn arwyddocaol i’r diwydiant amaethyddol. Mae peillwyr, fel gwenyn, yn hanfodol ar gyfer cynhyrchu cnydau, ac mae’r gostyngiad yn eu niferoedd yn bryder cynyddol. Trwy ddefnyddio allddarlleniad dysgu peirianyddol, gall ffermwyr ddeall ymddygiad gwenyn yn well a gwneud y gorau o’u technegau peillio. Gallai hyn arwain at arferion ffermio mwy effeithlon a chynaliadwy a helpu i ddiogelu dyfodol ein cyflenwad bwyd.
Am fwy o wybodaeth, cysylltwch â Dr Cristiano Palego. Gallwch ddarllen y papur “A Machine Learning Integrated 5.8-GHz Continuous-Wave Radar for Honeybee Monitoring and Behavior Classification” ar-lein, a gyhoeddir gan y Sefydliad Peirianneg Drydanol ac Electronig - Institute of Electrical and Electronics Engineers (IEEE).
Golygydd: J.C.Roberts