洪葳等：蜂群多特征长期监测系统设计与试验研究（2020年第2期）
引文格式
洪葳, 胥保华, 刘升平. 蜂群多特征长期监测系统设计与试验研究[J]. 智慧农业（中英文）, 2020, 2(2): 105-114.
HONG Wei, XU Baohua, LIU Shengping. Design and experimental research of long-term monitoring system for bee colony multiple features[J]. Smart Agriculture, 2020, 2(2): 105-114. (in Chinese with English abstract)
友情提示：文章已在中国知网上线，欢迎大家阅读引用。其他数据库将陆续上线。
备注：知网登录可以选择IP登录
蜂群多特征长期监测系统设计与试验研究
（1.华中科技大学 理学院，湖北武汉 430074；2.山东农业大学 动物科技学院(动物医学院)，山东泰安 271018；3.中国农业科学院 农业信息研究所，北京 100081）
摘要: 目前，针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上，设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电，融合了多种传感器，能够检测蜂群的多个特征（蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量），并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统，本研究还进行了针对意大利蜜蜂从2018年秋季到2020年春季为期235天的长期连续监测试验，记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明，在此期间，蜂箱内的平均温度呈现从25℃下降到-5℃再回升至15℃的抛物线变化，相应的进出巢次数也由大约8万次/天减少至0次/天再增加至5万次/天。在越冬期中，蜂群的重量呈现出大约25 g/天的线性下降趋势，同时蜂箱内也更为安静，声音的频率集中于0~64 Hz。由此表明，在不干扰蜂群的情况下，该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化，可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。
关键词: 蜂群监测；智能蜂箱；多特征；智慧农业；物联网技术
文章图片
图1 监测系统结构
Fig. 1 Structure of the monitoring system
图2 智能蜂箱的结构
Fig. 2 Structure of smart hive
图3 检测装置框架图
Fig. 3 The diagram of detection device framework
图4 云服务器框架
Fig. 4 The structure of cloud server framework
图5 智能蜂箱部署
Fig. 5 Deploy of smart hives
图6 蜂群235天监测结果
Fig. 6 The 235-days monitoring results
图7 蜂群2019年8月25日的监测结果
Fig. 7 Monitoring results on August 25th, 2019
图8 蜂群2020年1月15日的监测结果
Fig. 8 Monitoring results on January 15th, 2020
图9 蜂群2020年4月16日监测结果
Fig. 9 Monitoring results on April 16th, 2020
图10 蜂群2019年8月25日的声音频谱图
Fig. 10 The acoustic spectrogram of bee colony on August 25th, 2019
图11 蜂群2020年1月15日的声音频谱图
Fig. 11 The acoustic spectrogram of bee colony on January 15th, 2020
图12 蜂群2020年4月16日的声音频谱图
Fig. 12 The acoustic spectrogram of bee colony on April 16th, 2020
来源：《智慧农业（中英文）》2020年第2期