Mithilfe von Machine Learning Anomalien in Bienenstöcken erkennen

Maschinelles Lernen auf Sensordaten aus Bienenstöcken erkennt Anomalien und alarmiert Imker*innen rechtzeitig bei Notfällen.

Modellierung Open Data

Status: Abgeschlossen
Projektzeitraum: Oktober 2019 – Februar 2020
Outputs: Video Video Podcast-Folge
Local Chapter: Rhein-Main, Bremen
Partner: Bee Observer BOB

Imker*innen, Maker*innen, Forscher*innen arbeiten zusammen an dem digitalen Bienenstock. So werden Risiken und Gefahren für Honigbienen schneller erkannt und reduziert.
Homepage

Bienen sind entscheidend für die Erhaltung des Lebens auf der Erde in seiner jetzigen Form. Das Team von CorrelAid hat der Citizen-Science-Initiative BeeObserver geholfen, die Bienenbeobachtung und -forschung auf die nächste Stufe zu heben, indem es Sensordaten nutzbar gemacht und maschinelles Lernen verwendet hat, um ein Alarmsystem aufzubauen, das Imker*innen in Notfällen alarmiert.