Bee Health Monitoring AIoT SystemHệ thống AIoT Giám sát Sức khỏe Đàn ong

Honeybee colonies play an indispensable role in ecological biodiversity and global agricultural food security. In Vietnam, beekeeping is a traditional, labor-intensive livelihood that historically depends on manual inspection: opening hives to assess colony strength, brood conditions, and queen health. This manual process is time-consuming, agitates the bees, and disrupts internal hive thermoregulation.

Developed under institutional research project B2023-BKA.10, this project was led by student researcher Minh-Hoang Pham under the academic advisement of Assoc. Prof. Dr. Vu Hai (School of Electrical and Electronic Engineering, Hanoi University of Science and Technology – HUST) in collaboration with Assoc. Prof. Dr. Pham Hong Thai at the Center for Tropical Bee Research and Beekeeping (Vietnam National University of Agriculture – VNUA). The project aimed to deliver an autonomous, non-invasive AIoT system that operates reliably in outdoor field environments with unstable network and power constraints.

Đàn ong mật đóng vai trò vô cùng quan trọng đối với đa dạng sinh học và an ninh lương thực toàn cầu. Tại Việt Nam, nghề nuôi ong truyền thống đòi hỏi nhiều nhân công và phụ thuộc nặng nề vào việc kiểm tra thủ công: người nuôi phải mở nắp thùng để quan sát thế đàn, tình trạng ấu trùng và ong chúa. Quy trình này tốn nhiều thời gian, làm xáo trộn đàn ong và gây mất ổn định vi khí hậu cũng như nhiệt độ tổ.

Được phát triển trong khuôn khổ đề tài nghiên cứu cấp bộ B2023-BKA.10, dự án do sinh viên nghiên cứu Phạm Minh Hoàng chủ trì dưới sự hướng dẫn khoa học của PGS. TS. Vũ Hải (Trường Điện - Điện tử, Đại học Bách khoa Hà Nội – HUST) phối hợp cùng PGS. TS. Phạm Hồng Thái tại Trung tâm Nghiên cứu Ong Nhiệt đới và Nuôi ong (Học viện Nông nghiệp Việt Nam – VNUA). Mục tiêu của dự án là xây dựng hệ thống AIoT tự hành, không xâm lấn, hoạt động bền bỉ ngoài trời trong điều kiện mạng và nguồn điện chập chờn.

The appliance was engineered to mount directly onto standardized modern multi-tier beehives (“thùng kế”):

• Embedded Edge Computing: Deployed using Raspberry Pi 4B and NVIDIA Jetson Nano edge platforms to handle local data ingestion, device health checks, and deep learning inference.
• Optical Entrance Monitor: High-resolution Sony IMX477 HQ Camera module fitted with a 6mm CS-mount lens and Raspberry Pi Camera Module v2 with diffuse LED illumination to capture high-speed bee traffic across the hive entrance flight board.
• Internal Microclimate Telemetry: Industrial DHT22 environmental sensors positioned within hive frames to continuously track internal hive core temperature and relative humidity.
• Resilient MQTT Telemetry Bridge: Low-bandwidth, high-reliability MQTT messaging pipeline transferring compressed telemetry over intermittent cellular connectivity.
• Central Relational Data Service: SQLite-powered backend managing structured tables for hive metadata (hives), traffic counts (bee), hardware health metrics (device_status), and environmental logs (temphum).

Thiết bị được thiết kế tối ưu để gắn trực tiếp lên các thùng nuôi ong dạng thùng kế hiện đại tiêu chuẩn:

• Tính toán nhúng tại biên (Edge Computing): Sử dụng các nền tảng máy tính nhúng Raspberry Pi 4B và NVIDIA Jetson Nano để tiếp nhận dữ liệu cảm biến, kiểm tra sức khỏe phần cứng và chạy mô hình học sâu suy luận trực tiếp.
• Camera quan sát cửa tổ: Module camera độ phân giải cao Sony IMX477 HQ kèm ống kính CS 6mm và camera Raspberry Pi v2 kết hợp vòm LED chiếu sáng khuếch tán để ghi nhận dòng ong bay ra vào với tốc độ cao trên ván bay.
• Quan trắc vi khí hậu trong tổ: Đầu dò môi trường công nghiệp DHT22 bố trí giữa các cầu ong để theo dõi liên tục nhiệt độ và độ ẩm tương đối của tổ.
• Truyền thông MQTT bền bỉ: Đường truyền bản tin MQTT băng thông thấp, độ tin cậy cao giúp đẩy dữ liệu nén về máy chủ ngay cả khi kết nối mạng di động chập chờn.
• Cơ sở dữ liệu quan hệ trung tâm: Hệ thống backend SQLite quản lý cấu trúc dữ liệu gồm thông tin tổ (hives), số lượng ong đếm được (bee), trạng thái hoạt động phần cứng (device_status) và nhật ký môi trường (temphum).

To accurately monitor colony activity without disrupting natural worker bee behavior, an optimized YOLOv5 deep learning model was trained to track and count individual bees entering and exiting the hive:

• High Sensitivity: Achieved a 97.0% sensitivity rate in detecting rapidly moving worker bees under varying outdoor lighting conditions.
• Minimal False Alarms: Maintained an ultra-low 0.56% false alarm rate, filtering out shadows, background flight board artifacts, and dense clustering.
• Continuous Traffic Curves: Provided entomologists with high-frequency activity curves distinguishing morning foraging bursts from evening return patterns.

Để theo dõi chuẩn xác hoạt động của đàn ong mà không làm xáo trộn hành vi tự nhiên, mô hình học sâu YOLOv5 được tối ưu hóa để bám vết và đếm số lượng ong thợ ra vào cửa tổ:

• Độ nhạy phát hiện cao: Đạt độ nhạy phát hiện 97.0% đối với ong di chuyển nhanh trong nhiều điều kiện chiếu sáng tự nhiên khác nhau.
• Tỷ lệ báo động giả cực thấp: Giữ tỷ lệ báo sai chỉ 0.56%, loại bỏ hiệu quả bóng râm, vết bẩn trên ván bay và hiện tượng ong chen chúc dày đặc.
• Đường cong hoạt động liên tục: Cung cấp cho các chuyên gia côn trùng học biểu đồ hoạt động tần suất cao, phân biệt rõ các đợt đi kiếm ăn rộ vào buổi sáng và nhịp bay trở về tổ vào buổi chiều.

To support field beekeepers and entomologists across distributed apiary sites, a multi-platform software ecosystem was built:

• Central Web Management Platform: Developed with a Python Flask backend and responsive interface (tested on MICA Institute infrastructure at http://mica.edu.vn:50208/) showing real-time bee traffic charts, temperature/humidity variations, and historical time-series analytics.
• Cross-Platform Mobile Application: Built using Google Flutter and Dart, allowing beekeepers to receive push alerts, monitor live counts, and review individual hive microclimates on Android and iOS devices.
• Automated Hardware Watchdog: Automated device diagnostics logging CPU core temperature, RAM usage, and camera stream status, with an automated 15-minute polling heartbeat that triggers alert notifications if a field node loses connectivity.

Nhằm hỗ trợ người nuôi ong và các nhà nghiên cứu trên nhiều trại ong phân tán, một hệ sinh thái phần mềm đa nền tảng đã được hoàn thiện:

• Hệ thống web quản lý trung tâm: Phát triển trên nền tảng Python Flask với giao diện tương thích đa thiết bị (thử nghiệm trên hạ tầng Viện MICA tại http://mica.edu.vn:50208/), hiển thị đồ thị lưu lượng ong, biến thiên nhiệt ẩm và dữ liệu phân tích lịch sử.
• Ứng dụng di động đa nền tảng: Xây dựng bằng Google Flutter và Dart, cho phép người nuôi ong nhận thông báo đẩy tức thời, theo dõi số lượng ong ra vào và xem vi khí hậu từng thùng trên thiết bị Android và iOS.
• Cơ chế Watchdog giám sát phần cứng: Hệ thống tự động ghi nhật ký nhiệt độ CPU, mức sử dụng RAM và trạng thái luồng camera, đồng thời phát nhịp tim (heartbeat) định kỳ 15 phút để gửi cảnh báo nếu trạm đo mất kết nối.

The system transitioned from laboratory prototypes into long-term agricultural operations across Vietnam:

• 4 Operational Field Installations: 3 complete AIoT monitoring units deployed at commercial honeybee farms in Đắk Lắk province, and 1 reference unit installed at the Center for Tropical Bee Research and Beekeeping (VNUA, Gia Lâm, Hanoi).
• 4+ Months Continuous Operation: Validated hardware durability, thermal stability, and sensor calibration across multi-month field operations during monsoon and peak harvest seasons.
• Scientific & Practical Impact: Demonstrated the feasibility of cost-effective edge computer vision and IoT telemetry in rural tropical agriculture, laying architectural foundations for subsequent environmental AIoT research.

Hệ thống đã bước ra khỏi phòng thí nghiệm để vận hành thực tế dài hạn tại các vùng nông nghiệp trên cả nước:

• 4 điểm lắp đặt thực địa: 3 cụm thiết bị AIoT hoàn chỉnh được vận hành tại các trang trại nuôi ong thương phẩm ở tỉnh Đắk Lắk, và 1 trạm tham chiếu chuẩn tại Trung tâm Nghiên cứu Ong Nhiệt đới và Nuôi ong (VNUA, Gia Lâm, Hà Nội).
• Hơn 4 tháng hoạt động liên tục: Khẳng định độ bền bỉ cơ khí, độ ổn định nhiệt và tính tin cậy của cảm biến trong nhiều tháng liên tục suốt mùa mưa và mùa thu hoạch mật cao điểm.
• Ý nghĩa khoa học và thực tiễn: Chứng minh tính khả thi của giải pháp thị giác máy tính tại biên và viễn thông IoT chi phí hợp lý trong nông nghiệp nhiệt đới, tạo tiền đề kiến trúc cho các công trình nghiên cứu AIoT môi trường sau này.

Building deployable edge AI for agricultural environments requires navigating physical constraints that cannot be simulated in software alone:

• Benchtop Edge Synthesis: The engineering journey began with perforated mounting plates, terminal wiring, and thermal testing on the lab workbench. The NVIDIA Jetson Nano core was integrated with active heatsink cooling to sustain continuous neural network inference, coupled with an industrial 4G/LTE cellular gateway and stabilized power conversion designed to withstand rural electrical fluctuations.
• Non-Invasive Mechanical Co-Design: To preserve the hive’s internal microclimate and natural worker bee flight patterns, the optical sensor was retrofitted onto standard Vietnamese wooden multi-tier hives (“thùng kế”) using an adjustable ball-head mount. This focused the camera directly onto the entrance flight board while protecting sensitive CSI ribbon cables along the outer perimeter.
• Hands-On Field Realization: Theoretical designs culminated in direct field trials at the Center for Tropical Bee Research and Beekeeping (VNUA). Working amidst active honeybee colonies and tropical weather, the system was hand-wired, optically calibrated, and stress-tested under harsh sunlight and humidity—bridging the gap between laboratory concepts and robust agricultural reality.

Việc chế tạo hệ thống AI biên vận hành ngoài hiện trường đòi hỏi phải giải quyết hàng loạt bài toán vật lý mà việc mô phỏng trên phần mềm không thể tái hiện:

• Tích hợp phần cứng trên bàn thí nghiệm: Hành trình kỹ thuật bắt đầu từ các tấm gá lỗ, dây nối domino và kiểm thử tản nhiệt trên bàn lab. Khối xử lý NVIDIA Jetson Nano được trang bị quạt tản nhiệt chủ động để duy trì tải suy luận mạng nơ-ron liên tục, tích hợp bộ gateway 4G/LTE công nghiệp và mạch chuyển đổi nguồn ổn áp chịu được biến động lưới điện nông thôn.
• Thiết kế cơ khí không xâm lấn: Để duy trì vi khí hậu tự nhiên và đường bay của ong thợ, cụm cảm biến quang học được gắn khéo léo vào thùng kế gỗ bằng khớp cầu xoay đa hướng. Thiết kế này hướng trực diện camera vào ván bay mà vẫn bảo vệ an toàn cho sợi cáp dẹp CSI nhạy cảm chạy quanh thân thùng.
• Triển khai thực địa trực tiếp: Ý tưởng thiết kế được kiểm chứng qua các đợt thực địa tại Trung tâm Nghiên cứu Ong Nhiệt đới (VNUA). Trực tiếp làm việc giữa hàng trăm đàn ong đang hoạt động dưới thời tiết nắng nóng nhiệt đới, nhóm đã tự tay đấu nối, căn chỉnh tiêu cự camera và kiểm tra độ bền thiết bị — đưa nghiên cứu khoa học vào ứng dụng thực tế.