BeeMonitor : Application Intelligente de Gestion Apicole

Composants et fournitures

Composant	Description	Quantité
Arduino Nano 33 BLE Sense	Microcontrôleur avec capteurs intégrés (microphone, température, humidité, IMU, BLE)	1
Câble USB-A vers Micro-USB	Programmation et alimentation	1

Applications et services en ligne

• Arduino IDE
• Edge Impulse Studio - Création du modèle d'apprentissage automatique
• Android Studio - Développement de l'application mobile

À propos du projet

Introduction

Ce projet présente le développement d'une application de surveillance des ruches aidant l'apiculteur à optimiser la production de miel et d'autres produits. L'application couvre le domaine de l'apiculture. La motivation est d'aider l'apiculteur à contrôler les abeilles efficacement, réduisant le temps d'inspection manuelle de chaque ruche. Basée sur la température, l'humidité et l'analyse sonore du bourdonnement, l'application offre un aperçu de l'état de la colonie et détecte l'essaimage — événement où la colonie se divise : une partie reste avec une nouvelle reine, l'autre part avec l'ancienne reine. Une intervention rapide de l'apiculteur est cruciale pour récupérer l'essaim et maintenir la production.

Solution

L'apiculteur connecte son terminal mobile via Bluetooth à chaque ruche pour visualiser l'état de la colonie. L'application alerte en cas d'essaimage, permettant une action rapide et évitant la perte d'abeilles et la baisse de production.

Description

Le système repose sur un Arduino Nano 33 BLE Sense, qui intègre un microphone. Un algorithme d'inférence sur le microcontrôleur analyse le bourdonnement et, grâce à un modèle entraîné, distingue la présence ou l'absence de la reine. Le capteur température/humidité (HTS221) complète le diagnostic de santé de la colonie. Pour économiser l'énergie, les mesures ne sont effectuées que quelques fois par jour, entre 10h et 13h (période de plus forte probabilité d'essaimage). Le reste du temps, l'appareil est en veille.

Modèle d'apprentissage automatique

Le modèle a été développé avec Edge Impulse :

1. Capture de données : enregistrement du bourdonnement via le microphone.
2. Analyse spectrale : transformation en spectrogrammes.
3. Entraînement du réseau de neurones : les spectrogrammes entrent dans un réseau de neurones. Après entraînement, une matrice de confusion montre les performances.
4. Génération de la bibliothèque : création d'une bibliothèque Arduino déployée sur la carte.

Les graphiques illustrent la performance du modèle sur les données de test.

Matériel

• Arduino Nano 33 BLE Sense
• Alimentation par batterie
• Terminal mobile Android

Connectivité

La communication entre l'Arduino et l'application Android utilise le Bluetooth Low Energy (BLE) intégré au Nano 33 BLE Sense. Cela permet de se connecter à la ruche à distance, sans risque de piqûres.

Application Android

L'application permet :

1. La connexion au dispositif dans la ruche.
2. L'affichage des données température/humidité et des alertes d'événements (essaimage, présence reine, etc.).

Des captures d'écran et une animation GIF montrent l'interface et les alertes en temps réel.

Concept de fonctionnement

Une animation illustre le cycle : mesure périodique → inférence → envoi BLE → affichage mobile → alerte si nécessaire.

Faites-le vous-même !

1. Étape 1 : Télécharger l'environnement Arduino IDE, compiler et téléverser le code .ino sur le Nano 33 BLE Sense. https://www.arduino.cc/en/software
2. Étape 2 : Installer l'application Android (fichier .apk fourni).
3. Étape 3 : Installer le dispositif Arduino dans la ruche.
4. Étape 4 : Connecter via Bluetooth depuis l'application.

Améliorations futures

• Améliorer le modèle ML en augmentant la base de données d'enregistrements de bourdonnement.
• Ajouter des fonctionnalités à l'application Android.
• Construire une base de données centralisée sur réseau LoRaWAN pour accès distant permanent.

Conclusion

L'équipe est fière de partager ce projet reproductible. Elle estime être sur la bonne voie pour faciliter le travail des apiculteurs. Les contributions pour enrichir la base de sons d'abeilles sont bienvenues pour améliorer la précision et la robustesse du système.

Code

Arduino Nano 33 BLE Sense (C/C++)

Le sketch complet inclut : initialisation BLE, service et caractéristique personnalisés, lecture capteur HTS221 (température/humidité), acquisition audio PDM, inférence Edge Impulse (classification son), envoi JSON via BLE (température, humidité, événement : « MATICA » = reine présente, « NIMATICE » = pas de reine, « ROJENJE » = essaimage). Un watchdog et une gestion robuste de la connexion BLE sont implémentés.

Bibliothèque Edge Impulse

ei-smartbees-arduino-1.0.6.zip - Modèle ML pré-entraîné (téléchargement uniquement).

Application Android

Code source : GitHub

Fichier APK (debug) : Téléchargement

Schémas

Schéma de câblage minimal : le Nano 33 BLE Sense intègre tous les capteurs nécessaires. Alimentation par batterie LiPo via connecteur JST.