Inne i appen

Varför ett ritat bi på skärmen? 
Bina i bilden bör vara lika stora som referensbiet. Då ryms ca 250 bin i bilden. Det optimerar analysmöjligheterna.

Var i kupan ska bilderna tas?

I yngelrummet. Börja med andra yngelramen.

Hur ska bilderna tas?

Placera ramen så att du kan hålla kameran med två händer. Minskar skakningsoskärpan. Undvik direkt solljus - det skapar skuggor och kontraster. Tag bilderna från ca 25 cm i rät vinkel. Använd det ritade biet som referens. Suddiga bilder tagna på fel avstånd försämrar analysmöjligheterna. Från en Dadantram tag 4 bilder från varje sida. Från en 3/4 Langstroth tag 2 bilder från varje sida. Undvik överlappning. 
Vad är en kollektion?
En samling bilder, max 30 st, från en kupa som tillsammans skickas för en analys.

Kan man ta bilder offline och skicka för analys senare?

Ja

Hur skapar man en ny kollektion?

Tag först en bild sedan finns en knapp i nedre menyn, plus i kvadrat.

Hur editera bildens ursprung (origin), som bigård, kupnr etc.?

Tryck för att ta ny bild. Tryck "No origin selected" välj redan inskrivna eller "Manage my origins" och + för att editera ny bigård, ras och/eller kupa. Ett tips kan vara att skriva in förbereda bigårdsarbetet med att skriva in origins för att sedan enkelt kunna välja. Origin kan även nås via systemikonen.

Hur söker man en viss kupa eller bigård

I Gallery vyn tryck "Filter collections".

Hur radera en kollektion?

Tryck på kollektionen så öppnas valmöjligheter

Hur radera en bild?

Tryck på bilden och sedan soptunnan.

Hur många bilder max i en kollektion?

30

Hur många bilder ska man ta?

Med 12 - 24 bilder och ca 250 bin / bild blir det totalt ca 3000 och 6000 bin i bilderna för en analys. Med Dadant blir det bilder från 2-4 ramar. Ju lägre infestationsnivå desto fler bilder behövs

Hur zoomar man i bilden?

Pincha med två fingrar. (Bilden är komprimerad och blir därför snabbt otydlig.)

Om appen

Vilken mobil krävs?

Minst Android 7.0 eller iOS 8.0.

Var kan appen laddas ner?

För iPhone på Appstore och för Android på Google Play.

Vad kostar det?

Appen är gratis att ladda ner och att använda tills utvecklingsarbetet nått tillräcklig kvalitet. Därefter kommer priset ligga kring 10 kr/analyserat samhälle. Alternativ modell med prenumeration planeras.

När ska man ta bilder?

I början och slutet av säsongen, 1-2 mån före invintringen. Eller närsomhelst när man vill veta samhällets tillstånd.

Är appen beroende av kontakt med internet?

Bilder kan tas offline och analyseras senare. Analyserna görs online.

Vad är varroainfestation?

Antalet varroa delat med antalet bin. I ett prov med 3 varroa på 300 bin skulle det vara 3/300 = 0,01 = 1%.  
Antalet multipliceras med en faktor, bara en viss andel är synliga.
Vi utvärderar kontinuerligt vilken faktor som bäst speglar det egentliga antalet varroa (mätt genom tvättning med alkohol). 

Faktorns värde kan komma att ändras beroende av nya resultat i våra pågående studier. Exempel: 3 varroa hittas i bildkollektionen. 3 * faktor 8 (exempelvis) = 24 varroa, beräknade. Antag 2500 bin i bilderna ger 24/2500 = 0,0096 ≈ 1% infestation.

Vad är Deformed Wing Virus, DWV?

Deformerade vingar beror av ett virus. Varroa sprider virus när det suger på sina offer. DWV är en stark indikator på hög angreppsgrad. Däremot betyder inte frånvaro av DWV att det är låg varroainfestation. Om DWV upptäcks vill man troligen undersöka närmare.

Är appen pålitlig?

Vid lansering vet vi bara att i våra tester hittas varroa och drottning med stor tillförlitlighet. DWV behöver mer träning för tillfredställande resultat. Ju mer bilder vi samlar och ju mer felanmälningar vi kan använda i träningen desto bättre kommer appen att bli. De neurala nätverken lär sig av sina misstag och förbättras ständigt. Se det som att du deltar i ett pionjärarbete och din medverkan gör skillnad. Reservation: Resultaten är baserade på våra undersökningar 2016-2018. Detta är under våra omständigheter, våra metoder, de raser vi undersökt. Se mer här https://beescanning.com/eng/studie/ Resultaten från 2017-2018 bearbetas forfarande och beräknas klara hösten 2018. Om du vill kalibrera resultat från Beescanning med dina egna undersökningar med alkohol-tvättning är vi mycket intresserade av resultat utifrån dina förutsättningar för att kunna bygga in det i appens förståelse av vad som påverkar binas hälsa.

Vad betyder resultaten?

Resultaten indikerar behov av behandling. De kommer även att kunna användas för att avläsa trender och hitta samhällen som kan vara intressanta för selektion i resistensaveln. Viktigt: Betänk att ett resultat som indikerar låg angreppsgrad, <1%, inte är en garanti för att inte behandla. Beroende av dina specifika förutsättningar; vilken typ av bin, tid på säsongen, reinvasion från grannar, kvalitet och antal bilder etc.... kan påverka hur resultaten ska tolkas. Å andra sidan är ett resultat som visar hög infestation en stark varningssignal som bör tas på allvar.

0% Bra! Bekräfta resultatet med upprepad undersökning med fler bilder alternativt även med alkoholtvättning. Samhället kan vara av intresse för avel.
 
<0,5% Beroende av tid på säsongen och ev. behandlingshistorik kan detta var OK. Notera samhället för fortsatt utvärdering.

 ≈1% Överväg behandling. Notera samhället för fortsatt övervakning.

≈3% Agera snarast. Detta betraktas vanligen som ett tröskelvärde. 

 >5% Stor fara. Samhället riskerar att dö och sprida varroa till grannarna. Agera omedelbart.

Hur ska samhället behandlas?

Det finns många alternativ beroende på årstid och hur du vill sköta dina bin. Läs mer på jordbruksverket och http://scientificbeekeeping.com/varroa-management/treatments-for-varroa/

Var lagras scannade bilder?

På vår server.

Vem äger bilderna?

Du. Vi äger rätten att använda dom för BeeScannings syften.

Vad händer om jag förlorar eller byter telefon?

Bilderna kan återställas från vår server.Your images will be recovered from the server.

Vad symboliserar app ikonen?

Den utstrålar den stress bina utsätts för av varroa liksom kommunikationen via internet. De dynamiska hexagonerna signalerar bin, den röda punkten parasiten och fara, wifi ränderna signalerar teknologi.

Med vilken noggrannhet hittas varroa?

I labmiljö är testresultatens noggrannhet kring +/- 5 %. Detta är hur NN rapporterar sitt resultat i förhållande till en känd testmall. I verkligheten kan resultatet variera mer beroende av flera faktorer. Exempelvis vet vi inte hur varroa beter sig på olika sotres bin under andra förutsättningar än de vi testat. NN kan hitta varroa även när bara en liten del är synlig eller om den är gömd under en vinge. Men resultaten påverkas av de optiska förhållandena. Vi utvecklar ständigt vår modell för hur vi ska tolka svåra objekt.

Med vilken noggrannhet räknas bin i bilderna?

I lab-miljö är testresultatens noggrannhet kring +/- 5 %. Räkning av bin använder helt annan teknologi än detektering av varroa. Noggrannheten ökar snabbt, målet är +/- 1%.


Appen anger felaktigt bin som drottning och/eller att bin har varroa.

Rapportera fel och appen lär sig. Vi samlar kontinuerligt mer data och förbättrar prestanda. 

Kan appen hitta drottningen omedelbart, offline?

I första versionen hittas drottning bara via analys på server. Offline planeras i uppdateringar.

Jag betalade men kan inte scanna bilderna.

Kontrollera förbindelsen med internet och försök igen. Maila support@beescanning.com om problemet kvarstår.

GDPR?

Maila support@beescanning.com om du har några frågor.

Projektet

Hur lär sig ett neuralt nätverk, NN?

Först tränas det manuellt (supervised learning) av en deep learning professionell utvecklare med tillgång till ett stort antal data. (Manuellt markerade regioner från vår databas Tagger). Förenklat kan man säga att vi visar NN ett bi med och ett bi utan varroa och låter NN gissa vilket som är vilket. Om det gissar fel talar vi om det. Det kommer då att göra små förändringar i sin tolkning. Genom att göra detta hundratusentals gånger lär sig NN mycket abstrakta egenskaper och blir småningom skickligare och mycket snabbare än en människa på att identifiera varroa. Detta är dock en mycket förenklad bild av vad som pågår. I verkligheten är ett NN en komplicerad process som är svår att kontrollera och som kan utföras på många olika sätt. En av de första milstolparna för utvecklingsteamet var att finna de mest optimala processerna för denna specifika uppgift. Att hitta mycket små objekt i en enorm mängd information.

Vad händer om ni inte får tillräckligt med underlag att träna på?

Med crowdsourcing kampanjen på Kickstarter erhölls resurser att utveckla Tagger. Vårt verktyg för att samla in och strukturera bilder i en databas. Bilderna analyseras manuellt i Tagger och regioner med objekt av intresse markeras, bi med varroa, bin med DWV etc. Regionerna används sedan av NN för dess träning. Vi har hittills samlat över 7 000 bilder och markerat över 10 000 regioner. Med appen kommer nytt material och data att kunna samlas för den fortatta utvecklingen och träningen av NN.

Kan utvecklingsteamet verkligen klara detta som inga andra gjort?

Teamets medlemmar har mer än 15 års erfarenhet av utvecklingsarbete i komplexa system. Teamet leds av Emil Romanus owner and CEO Teorem AB . Romanus är veteran inom mobil och tech-industrin och har bidragit till utveckling av världsunika framgångar, exempelvisdet komplexa 3D och fysiksimuleringsspelet "Apparatus" 2011. Romanus och hans team har under senare år fokuserat på deep learning och har gjort stora investeringar i hårdvara, forskning och utbildning.

Har utvecklingsteamet erfarenhet av liknande lösningar?

Romanus' team har arbetat med flera andra företag och löst liknande frågor. Senast med ett brittiskt företag för identifiering och rapportering av förekomst av företags logos och varumärken i fotografier. En uppgift minst lika komplex som att hitta parasiter på bin. Att bygga appen, infrastrukturen och annan mjukvara som behövs i projektet är en trivial uppgift för teamet.

Varför har inte detta gjorts tidigare?

Hårdvaran och mjukvaran har inte funnits tidigare! Och idén var troligen för långsökt för att tas seriöst! Teorem har hårdvaran och kunskaperna om teknologin. Innovatören Björn Lagerman har en lång erfarenhet av att kombinera kunskap från olika områden i nya kreativa lösningar samt erfarenhet av att leda komplexa projekt. Kan jag ladda upp bilder utan appen? Ja gärna, samla bilder, särskilt från yngelramar och med varroa på bin. Lägg upp dom på http://tagger.beescanning.com och bidra genom att tagga intressanta regioner.

Hur finansieras projektet?

Vi fick resurser via en crowdfunding kampanj på Kickstarter. Dessa användes för att utveckla Tagger. Därefter har vår viktigaste finansiär varit Europeiska Innovations Programmet, EIP via Jordbruksverket. Projektet har även fått avgörande stöd via Almi Örebro och Handelsbanken Lindesberg. Se mer på http://fribi.se/sponsorer/
PageLines