Ausgangslage

1. Honigbienen und mit ihnen die Imker:innen sind übers Jahr vielen Belastungen ausgesetzt - Futtermangel zum Jahresbeginn, Varroa und Trachtlücken im Sommer und Schwarmlust (Lust für die Bienen, Last für die Imker:innen) im späten Frühjahr.
2. Eine preiswerte Möglichkeit, Belastungszustände zu erkennen, scheint in der Kombination von zeit- und raumaufgelösten Temperaturmessungen in Kombination mit Soundanalysen zu bestehen.
3. Da Bienen alle Fremdkörper im Bienenstock - inkl. Sensoren - entweder zerschreddern oder mit Propolis überziehen, gestalten sich Soundanalysen aufwändiger als gedacht.

Konzeption

1. Mit Microcontrollern / Kleinrechnern werden Sounddaten (Luftschall) und Vibrationsdaten (Köperschall) zyklisch aufgenommen, zentral gesammelt, ausgewertet und mit weiteren Daten (Wetter) verschnitten.
2. Die Bewertung erfolgt zunächst durch begleitende Beobachtung, in Zukunft durch Machine Learning.
3. Es werden unterschiedliche Sensoren in Labor- und Feldtests untersucht.

Implementierung

1. Eine einfache funktionierende Lösung ist ein Vibrationssensor auf dem Anflugbrett und ein Vibrationssensor in einer Wabengasse. Die Vibrationssensoren werden auf Abdeckfix (Durchsichtige dicke steife Folie) montiert.
2. Die Soundaufnahmen erfolgen mit einem Raspberry Pi 3, einem preiswerten USB-Soundmodul und einem einfachen Impedanzwandler.
3. 30 Sek. Sounddaten werden auf einen Internetserver (vorerst WLAN) übertragen und hinsichtlich ihrer spektralen Verteilung untersucht.
4. Ziel ist die Analyse auf dem Edge-Gerät und die Übertragung nur der Kennzahlen über LoRaWAN.

Erste Ergebnisse

1. Es konnten kombinierte Temperaturverteilungsdaten und Sounddaten während eines Schwarmaktes mitgeschnitten werden. Es scheint eine typische Temperatur- und Soundsignatur zu geben.
2. Es konnten kombinierte Temperaturverteilungsdaten und Sounddaten während einer Wärmestress-Situation mitgeschnitten werden. Die naheliegende lindernde Maßnahme (einfaches hinterlüftetes Strahlungsschild) konnte in einer Vergleichsmessung als wirksam verifiziert werden.

Anwendung in anderen Inhaltsdomänen

1. Die einfache Technik lässt sich für predictive maintenance für andere technisch orientierte Fälle adaptieren.
2. Die Technik kann auch - fast unbemerkt - in Nistkästen für ornithologische Belange eingesetzt werden.

Zielgruppe

1. Die Technik funktioniert, die "nachbaúsichere Anleitung" ist noch nicht fertig. Der Vortrag adressiert eher experimentierfreudige Hardware-Hacker:innen.
2. Aus den Ergebnissen lassen sich Ideen für insbesondere den fächerverbindenden Unterricht ableiten, somit adressiert der Vortrag auch interessierte Lehrer:innen
3. Die Adressaten sollten Bereitschaft, sich mit etwas Physik, Biologie der Bienen und Programmierung in Python und/oder C auseinanderzusetzen mitbringen.

Von Claus Brell (Hochschule Niederrhein / clabremo GmbH)

Weitere Informationen:

• Ergebnisse auf der Projektseite
• Sound aus dem Bienenstock - Video
• Poster Stand des Gesamtprojektes Biene40 (Download)