Bin är avgörande för vår livsmedelsförsörjning men de hotas globalt. Nu har ett norskt dataexpertteam lärt algoritmer att läsa binas dans, så att vi kan förstå var de hittar sin mat och korta deras väg till den. Projektet vann första priset i SAS Nordic Hackathon 2020.
Det norska teamet från Amesto NextBridge vann framför elva andra bidrag i en tävling om hur dataanalys kan hjälpa till att lösa världens stora hållbarhetsutmaningar, så som de definieras genom FN:s 17 globala hållbarhetsmål.
”Det vinnande bidraget är inte bara extremt viktigt, det är också otroligt innovativt att använda bin som sensorer för att förstå ekosystemet. Medvetenheten om hur viktiga bin är för livsmedelskedjan behöver uppmärksammas mer och jag tror att den här lösningen kommer att fungera som en rejäl inspirationskälla för alla som arbetar med hållbarhetsmålen”, säger årets hackathon-general Peter Lundqvist, SAS Institute.
Bin svarar för pollinering av nära 75 procent av all odlad mat men deras antal minskar, till stor del på grund av en omfattande monokulturodling. Genom att bättre förstå hur bin kommunicerar med varandra om var deras föda finns kan biodlare placera bikuporna närmare de bästa födokällorna och optimera binas möjligheter att överleva. Den kunskapen är också värdefull i kampen för att behålla den biologiska mångfalden.
Så här fungerar det vinnande bidraget: När ett arbetsbi funnit ett bra blombestånd med nektar återvänder det till kupan och berättar om platsen genom en vaggande dans. Dansen fungerar som en GPS och de andra bina förstår vart de ska flyga. Teamet från Amesto NextBridge har utvecklat ett system som automatiskt upptäcker, avkodar och kartlägger binas dans i realtid. Analysen kan sedan hjälpa biodlarna att hitta de optimala platserna för bikuporna.
Amesto NextBridges danska team tog hem tredjeplatsen i tävlingen med en metod för att spåra ursprunget till brasilianskt nötkött, vilket kan hjälpa konsumenter att välja rätt kött och undvika att bidra till avskogning.
Nordic SAS Hackathon ska visa hur dataanalys, maskininlärning och AI kan tillämpas på komplexa miljö- och samhällsutmaningar. Tävlingen genomfördes för tredje året i rad, denna gång med tolv medverkande team, vilket är flest hittills.
