Analýza dát z úľov

Abstrakt

Táto správa zhŕňa analýzu 8 monitorovaných úľov na základe telemetrických dát (váha, teplota, vlhkosť, akustická frekvencia) v rozsahu 2024-04-16 až 2026-07-20 (~2,3 roka). Udalosti (rojenie, zber medu, znáška) boli klasifikované pravidlovo z časového radu váhy. Pôvodná detekcia rojenia bola diagnostikovaná ako nadhodnotená (~4,0× na úľ/rok) a po zavedení štyroch nezávislých poistiek (dlhá perzistencia, akustický špic, denná doba, etablovaná kolónia) klesla na 38 udalostí (~2,1× na úľ/rok), čo lepšie zodpovedá známej biológii včelstva. Na predikciu rizika rojenia (horizont 48h) a pripravenosti na zber medu (horizont 7 dní) bol použitý Gradient Boosting s krížovou validáciou podľa úľa (GroupKFold); finálne modely dosiahli ROC-AUC 0,78 (rojenie) a 0,85 (zber medu). Testovali sme aj alternatívne prístupy (SMOTE, GAN syntetické dáta, autoencoder anomaly-detection) - žiadny neprekonal základný Gradient Boosting. Samostatná analýza akustického signálu odhalila, že priemerná denná intenzita zvuku (nie dĺžka letovej aktivity) koreluje s denným nektárovým ziskom (r ≈ 0,39, konzistentne na všetkých 8 úľoch).

1. Dataset

Dáta pochádzajú z dvoch nezávislých senzorových zariadení na úľ: akustického/teplotného senzora („heart“ - teplota, vlhkosť, frekvencia zvuku, hlasitosť) a váhového senzora („scale“ - hmotnosť úľa, teplota/vlhkosť pri váhe). Obe zariadenia zaznamenávajú takmer výhradne v odlišných časových okamihoch, preto sa v analýze spracúvajú oddelene a spájajú len cez časové okná, nie cez riadky. Stĺpec Volume obsahuje vo všetkých záznamoch hodnotu 0 a bol z analýzy vylúčený ako nepoužiteľný.

2. Metodika klasifikácie udalostí

Udalosti sa klasifikujú z rozdielu váhy medzi dvomi po sebe idúcimi meraniami (Δw):

• Zber medu - Δw ≤ -5 kg (zásah včelára)
• Rojenie - -3 kg ≤ Δw ≤ -1 kg (odchod roja)
• Znáška - 0,5 kg ≤ Δw ≤ 1,5 kg (návrat s nektárom/medom)

Pri „Zber medu“ a „Znáška“ postačuje jednoduchá 2-hodinová perzistenčná poistka (zmena musí vydržať aspoň z polovice aj 2h po udalosti, inak ide o odskok senzora). Rojenie sa v pôvodnej verzii riadilo tou istou poistkou, čo sa ukázalo ako nedostatočné (pozri sekciu 3).

3. Diagnostika pôvodnej detekcie rojenia

Pôvodná metodika (len 2h perzistencia + zlučovanie udalostí bližšie ako 21 dní) klasifikovala 73 rojení na 8 úľov za 2,3 roka, teda ~4,0× na úľ/rok - na hornej hranici biologicky pravdepodobného rozsahu (1-3× na úľ/rok). Diagnostická analýza detegovaných udalostí odhalila:

• 27 % udalostí sa do 24 hodín váhovo vrátilo takmer na pôvodnú úroveň (typický odskok senzora, nie skutočný odlet)
• 29 % udalostí nemalo žiadny sprievodný akustický špic (skutočný roj sprevádza intenzívne bzučanie)
• Hodiny výskytu boli rozptýlené od 5:00 do 18:00, zatiaľ čo reálne roje takmer vždy vylietavajú v teplej časti dňa (10:00-15:00)
• Časť udalostí padala do marca, čo je pre danú lokalitu biologicky priskoro (kolónia ešte nie je dostatočne silná)

4. Revidovaná metodika rojenia

Pre typ „Rojenie“ boli zavedené 4 nezávislé poistky:

• Perzistencia 24h namiesto 2h (pokles musí vydržať aj deň po udalosti)
• Akustický špic ≥ 1,5× nad 24h priemerom vo okne ±2h okolo udalosti
• Denná doba 8:00-17:00
• Etablovaná kolónia (váha pred udalosťou ≥ 10 kg)

Výsledok: počet detegovaných rojení klesol z 73 na 38 (~2,1× na úľ/rok).

5. Prediktívne modelovanie

Riziko rojenia (horizont 48h) a pripravenosť na zber medu (horizont 7 dní) boli modelované ako binárna klasifikácia na dennej granularite (deň × úľ), s krížovou validáciou GroupKFold podľa úľa (model sa netestuje na tom istom úli, na ktorom sa učil). Iteratívne testovanie prinieslo nasledovný vývoj presnosti:

Dôležitosť vstupných príznakov (feature importance) u oboch finálnych modelov potvrdzuje, že najsilnejším signálom je práve kombinácia akustickej intenzity a sezónnej polohy (deň v roku) - pozri grafy v sekcii AI predikcie.

6. Testované alternatívne prístupy (negatívne výsledky)

Pri malom počte pozitívnych prípadov (38 rojení) sme otestovali, či komplexnejšie metódy prekonajú jednoduchý Gradient Boosting. Žiadna neprekonala baseline:

Záver: pri <100 pozitívnych príkladoch nemajú generatívne/hlboké metódy z čoho sa naučiť reálnu distribúciu; potrebovali by rádovo stovky až tisíce prípadov, aby prekonali jednoduchý stromový model.

7. Denná akustická aktivita a nektárový tok

Samostatná otázka: dá sa z akustického senzora vidieť, kedy včely vylietavajú a vracajú sa, a súvisí to s množstvom privezeného nektáru? Jednotlivá včela sa vo váhe úľa nezachytí (~0,1 g), preto bola testovaná akustická frekvencia. Dĺžka „letového okna“ (počet hodín denne nad nočnou základňou frekvencie) s čistým denným nektárovým ziskom nekorelovala (r = -0,01). Priemerná denná intenzita zvuku (5:00-20:00) korelovala konzistentne na všetkých 8 úľoch (r = 0,29-0,50, celkovo r = 0,39) - podstatná je intenzita súbežnej aktivity, nie dĺžka trvania. Tento signál (freq_mean_24h) je už integrovaný v modeli predikcie zberu medu (sekcia 5).

8. Limitácie

• Malý počet ground-truth udalostí - 38 rojení je štatisticky málo na produkčne presný model; PR-AUC ostáva nízke (0,11) najmä preto.
• Chýba nezávislá validácia - klasifikácia rojenia je odvodená len z telemetrie (váha + zvuk), nie z fyzickej kontroly úľa včelárom.
• Krátka história - 2,3 roka pokrýva len 2-3 rojové sezóny; sezónne vzorce (napr. „máj je najrizikovejší“) sú odvodené z málo opakovaní.
• Senzor Volume nepoužiteľný - vždy 0, možná chyba kalibrácie/konfigurácie zariadenia.
• Nerovnomerné pokrytie úľov - úľ 8 má výrazne kratšiu históriu (od 2026-03-11) a vyšší podiel chýbajúcich váhových dát.

9. Odporúčania pre ďalší zber dát

• Zaznamenávať dátum skutočného pozorovania rojenia/zásahu včelára (ground truth) na porovnanie s telemetrickou detekciou.
• Skontrolovať/opraviť kalibráciu senzora hlasitosti (Volume).
• Pokračovať v zbere aspoň o ďalšie 2-3 sezóny pre robustnejší tréning sezónnych a medziročných vzorcov.

10. Záver

Kombinácia pravidlovej klasifikácie udalostí (s doménovo motivovanými poistkami) a Gradient Boosting modelov s cyklickým sezónnym kódovaním poskytuje orientačný, nie produkčne presný nástroj včasného varovania pred rojením a odhadu pripravenosti na zber medu. Akustický senzor sa ukázal ako užitočný nielen na potvrdenie rojenia, ale aj ako priebežný indikátor intenzity nektárového toku.