Szczegóły publikacji
Opis bibliograficzny
Od monitoringu do autonomicznego sterowania: rola systemów wspomagania decyzji w pszczelarstwie precyzyjnym — From monitoring to autonomous control: the role of decision support in precision beekeeping / SROKA D., GIERGIEL M., BURATOWSKI T. // W: "Problemi ta ìnnovacìï u rozvitku ìnženerìï, tehnologìj ta transportu" [Dokument elektroniczny] : III mižnarodna naukova konferencìâ studentìv ì molodih včenih : April 23–25, 2026, Khmelnytskyi, [Ukraïna] = "Problems and innovations in the development of engineering, technologies and transport" : III international scientific conference of students and young scientists. — Wersja do Windows. — Dane tekstowe. — Khmelnytskyi : Khmelnytskyi National University KhNU, 2026. — e-ISBN: 966-1502-35-5. — S. 512–521. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://s.agh.edu.pl/6atPH [2026-07-13]. — Bibliogr. s. 521, Streszcz., Abstr.
Autorzy (3)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 168998 |
|---|---|
| Data dodania do BaDAP | 2026-09-01 |
| Rok publikacji | 2026 |
| Typ publikacji | materiały konferencyjne (aut.) |
| Otwarty dostęp |  |
Abstract
The modern world is undergoing an intense digital transformation, known as the Fourth Industrial Revolution (Industry 4.0), which is fundamentally changing the functioning of the economy and society. The development of measurement technologies, Internet of Things (IoT) systems, and advanced data analysis methods are driving the modernization of agriculture, including traditional fields such as precision beekeeping. Thanks to these solutions, the hive is no longer merely an object of periodic observation, but instead a source of continuous data. This allows for precise monitoring of the status of the swarm and conditions within the hive without the need for invasive apiary inspections. The aim of this article is to present the possibilities of using data to build an autonomous decision support system, with particular emphasis on the transition from passive monitoring to active, automatic control. The study adopts a conceptual approach, identifying key data categories (including temperature, humidity, mass, acoustic signals, and carbon dioxide concentration) and analyzing their importance in the decisionmaking process. The analysis demonstrated that integrating multi-parameter measurements and using time series enables a much more accurate assessment of bee colony health than analyzing individual readings. Systems based on predictive models and inference algorithms were shown to be a necessary step towards implementing higherlevel control layers, such as autonomous ventilation or hive heating. The authors conclude that the ultimate effectiveness and profitability of modern beekeeping systems do not depend solely on the quality of the sensors used. The correct selection of mathematical models, which can account for the enormous biological variability of individual colonies and their specific responses to environmental factors, is crucial. The development and commercialization of such solutions represent a milestone towards fully automated apiary management, which directly translates into increased economic efficiency and the safety of beekeeping production in the face of contemporary ecological threats.
Streszczenie
Współczesny świat znajduje się w fazie intensywnej transformacji cyfrowej, określanej mianem Czwartej Rewolucji Przemysłowej (Przemysł 4.0), która fundamentalnie zmienia sposób funkcjonowania gospodarki i społeczeństwa. Rozwój technologii pomiarowych, systemów Internetu Rzeczy (IoT) oraz zaawansowanych metod analizy danych stymuluje modernizację rolnictwa, w tym dziedzin tradycyjnych, takich jak pszczelarstwo precyzyjne. Dzięki tym rozwiązaniom ul przestaje być obiektem jedynie okresowej obserwacji, stając się źródłem ciągłego strumienia danych. Pozwala to na precyzyjne monitorowanie stanu roju oraz warunków wewnątrz ula bez konieczności przeprowadzania inwazyjnych przeglądów pasiecznych. Celem niniejszego artykułu jest prezentacja możliwości wykorzystania danych do budowy autonomicznego systemu wspomagania decyzji, ze szczególnym uwzględnieniem przejścia od pasywnego monitoringu do aktywnego, automatycznego sterowania. W opracowaniu przyjęto podejście przeglądowo-koncepcyjne, identyfikując kluczowe kategorie danych (m.in. temperaturę, wilgotność, masę, sygnały akustyczne oraz stężenie ditlenku węgla) i analizując ich znaczenie w procesie decyzyjnym. Analiza wykazała, że integracja wieloparametrowych pomiarów oraz zastosowanie szeregów czasowych umożliwia znacznie trafniejszą ocenę kondycji rodziny pszczelej niż analiza pojedynczych odczytów. Wykazano, że systemy oparte na modelach predykcyjnych i algorytmach wnioskowania są niezbędnym etapem do wdrożenia wyższych warstw sterowania, takich jak autonomiczna wentylacja czy ogrzewanie ula. W konkluzji autorzy wskazują, że ostateczna skuteczność i opłacalność nowoczesnych systemów pszczelarskich nie zależy wyłącznie od jakości zastosowanych sensorów. Decydujący jest właściwy dobór modeli matematycznych, które potrafią uwzględnić ogromną zmienność biologiczną poszczególnych rojów oraz ich specyficzne reakcje na czynniki środowiskowe. Rozwój i komercjalizacja takich rozwiązań stanowi milowy krok w kierunku pełnej automatyzacji zarządzania pasieką, co bezpośrednio przekłada się na zwiększenie efektywności ekonomicznej oraz bezpieczeństwa produkcji pszczelarskiej w obliczu współczesnych zagrożeń ekologicznych.
