Monitoring thermic patterns in beehives via wireless sensor networks

Swarming is the mass exodus of bees in a hive, whose most common causes are lack of food, stress, variations of humidity and especially high temperatures. Among the types of swarming, one in which the complete abandonment of the hive occurs has brought great harm to Brazilian beekeepers, particularly the Northeast. In the Northeast region, of great importance for the Brazilian beekeeping, and where high temperatures are common in most of the year, a large number of hives is lost due to the swarming through abandonment. In an attempt to mitigate this problem, we propose a proactive monitoring hives via a network of wireless sensors capable of identifying atypical heating indicative of a preswarming condition. By means of a sampling pattern obtained from the cyclical daily temperatures, we developed a predictive algorithm based on pattern recognition techniques capable of detecting the increase of temperature inside the beehive (microclimate) responsible for the typical stress bees culminating in swarming. Such a mechanism is also able to recognize and avoid sending redundant information over the network in order to reduce radio communication, thereby reducing costs of data transmission and energyEnxameação é a saída em massa das abelhas de uma colmeia, cujas causas mais comuns são a falta de alimentos, estresse, variações da umidade do ar e principalmente as altas temperaturas. Dentre os tipos de enxameação, aquela em que ocorre o abandono completo da colmeia tem trazido grandes prejuízos aos apicultores brasileiros, particularmente aos nordestinos. Na região Nordeste, de grande importância para a produção apícola brasileira e onde altas temperaturas são comuns na maior parte do ano, um grande número de colmeias é perdido em função da enxameação por abandono. Na tentativa de mitigar este problema, propomos aqui um monitoramento proativo de colmeias via uma rede de sensores sem fio capaz de identificar o aquecimento atípico indicativo de uma condição pré-enxameatória. Por meio de um padrão de coletas obtido a partir do comportamento cíclico de temperaturas diárias, elaboramos um algoritmo preditivo, baseado em técnicas de reconhecimento de padrões, capaz de detectar o aumento da temperatura no interior da colmeia (microclima) responsável pelo estresse típico das abelhas que culmina na enxameação. Tal mecanismo também é capaz de reconhecer e evitar o envio de informações redundantes pela rede de modo a diminuir a comunicação via rádio, consequentemente reduzindo custos de transmissão de dados e energi