Платформа для пчел: Доступ с вашего IP-адреса временно ограничен — Авито

Важно! Для подобной цели необходимо использовать устройства, где задние и боковые борта откидные. Это существенно упростит процесс погрузки ульев.

Чтобы расположить на прицепе для пасеки сразу несколько рядов ульев, следует расширить основу, ободрав каркас и крышу. Еще одним немаловажным элементом любого прицепа для ульев является надежная опора, которая гарантирует ровное горизонтальное расположение ульев.

При организации перевозки на пчеловодческих прицепах следует позаботиться о некоторых моментах:

1. Чтобы смягчить тряску при перевозке, необходимо пол прицепа застелить любым материалом: сеном, соломой, поролоном.
2. Для исключения подвижности перевозимых домиков их закрепляют веревками;
3. На период перевозки выполняют удаление сотов, оставляют только закрепленные рамки.
4. Чтобы в улье не повышалась температура, верхние крышки удаляют. Вместо этого застилаются сетки.

Такие устройства для перевозки пчелиных ульев, как платформа, прицеп для перевозки пчел или павильон, помогут в уходе за пчелами, а также обеспечат увеличение образования ценного продукта. Ведь пчелам намного удобнее не летать на далекое расстояние, а собирать нектар около самих домиков.

0 0 голоса

Рейтинг статьи

«Билайн» запустил онлайн-платформу для спасения российских пчёл / Хабр

Компания «Вымпелком» запустила информационную платформу, нацеленную на сокращение массовой гибели медоносных пчёл в России, пишут «Ведомости» со ссылкой на представителя оператора.

В 2019 году массовое исчезновение пчёл стало проблемой, набравшей катастрофические обороты, отмечает газета: гибель семей насекомых наблюдали в 30 регионах России, а сокращение «поголовья» в них достигало 40% и составляло в среднем 10-12%. Одной из главных причин массовой гибели пчёл стала обработка полей возле пасек пестицидами.

С помощью платформы «Билайна» фермеры смогут сообщать информацию о том, какими средствами защиты растений они обрабатывают поля, а алгоритм автоматически будет предупреждать об этом пчеловодов. Данные о местоположениях полей и пасек пользователям при этом раскрываться не будут. Пользоваться платформой можно бесплатно, говорят в «Вымпелкоме»; для подключения к ней необходимо пройти регистрацию и отметить на карте пасеки или поля, при этом быть абонентом «Билайна» не обязательно. После регистрации в сервисе фермеры должны указать дату и время плановой обработки полей пестицидами, а пчеловоды получат оповещения, если их пасека находится на расстоянии меньше семи километров.

Новая платформа «Билайна» будет полезна только кочевым пчеловодам, которые перевозят свои пасеки с места на место в течение сезона, говорит владелец пасеки, директор национального парка «Башкирия» Владимир Кузнецов. Он пояснил, что перевозить пчелосемьи — сложная и дорогая операция, которая требует затрат времени. Кроме того, в определённые периоды её провести невозможно, поэтому SMS-оповещения должны приходить владельцам пасек хотя бы за несколько дней — в таком случае кочевые пчеловоды успеют увезти ульи, а остальные смогут их закрыть. Однако и в этом случае создаются неудобства — ульи тогда нужно обеспечить питанием и водой и убрать с солнца.

По словам доктора биологических наук, заведующего лабораторией биохимии адаптивности насекомых Института биохимии и генетики Уфимского научного центра РАН Алексея Николенко, сложно доказать, что пчелосемьи гибнут именно от пестицидов. Для этого нужно проводить химический анализ и созывать специальную комиссию, которая и определит причину гибели на основе его результатов. Сейчас это возможно только в нескольких городах России, отметил Николенко.

Согласно зарубежным исследованиям, к 2035 году медоносная пчела может исчезнуть из списка опылителей, что станет катастрофой для сельского хозяйства в России — поэтому искать эффективное решение нужно уже сейчас, сообщил «Ведомостям» представитель «Вымпелкома». В стране же этой проблеме уделяется не так много внимания, как за границей, где мировое сообщество пчеловодства активно пытается решить её в последние годы. Создание новой платформы «Вымпелкомом» может стать первым шагом к тому, чтобы исправить эту ситуацию, говорит Кузнецов.

В России заработала онлайн-платформа для фермеров и пчеловодов

Фермеры смогут оповещать пчеловодов о месте и времени использования химикатов, что позволит предотвратить массовую гибель пчел

В России начала работать федеральная онлайн-платформа, на которой фермеры смогут оповещать пчеловодов о месте и времени использования химикатов. Ожидается, что это предотвратит массовую гибель пчел из-за несвоевременного информирования пчеловодов об применении пестицидов.

Если раньше решить проблему старались через группы в соцсетях и мессенджерах, на электронных досках объявлений, через личные контакты, то теперь создана универсальная платформа. Доступ на нее возможен с любого устройства, поддерживающего интернет. Пчеловоду при регистрации необходимо отметить на карте, где находится пасека. Предупреждение об обработке близлежащих полей придет на электронную почту и СМС-сообщением.

Необходимость сохранить естественных опылителей растений — медоносных пчел — общемировая проблема, отметил топ-менеджер Greenpeace International Луис Ферреирим. 90% дикорастущих и 75% культурных растений нуждаются в опылении насекомыми. В некоторых странах применяют дроны-опылители, но полноценно заменить пчелу они не могут. «Одна семья, состоящая из 50 тыс. пчел, опыляет 250 тыс. цветков каждый день, — сказал Ферреирим. — Ни одно техническое устройство не обеспечит такую эффективность. Дрон может опылять цветы, но меда это не принесет».

Снижение численности естественных опылителей может привести к утрате некоторых растений и изменению ландшафтного разнообразия. Немаловажна и социальная сторона проблемы: в России пчеловодством занимаются 300 тыс. малых и микрокомпаний, индивидуальных предпринимателей, в основном живущих в сельской местности.

По мнению замначальника департамента экспертно-аналитических работ Аналитического центра при Правительстве России Елены Разумовой, появление онлайн-платформы весьма своевременно. Автоматизация нужна: без нее не уследить за каждым фермером и каждой пасекой.

Отработанной системы контроля применения пестицидов в нашей стране пока нет, однако постепенно внимание к использованию средств защиты растений будет усиливаться. Так, Минсельхоз России создает систему мониторинга за сельхозземлями «Атлас земель сельскохозяйственного назначения», где будут указаны границы земельных угодий, а Россельхознадзор намерен усилить предварительный контроль посевов. Это позволит располагать более точной и оперативной информацией о том, где произрастают культуры, требующие обработок химикатами, как, например, рапс, чтобы появилось больше возможностей предварительного оповещения пчеловодов и они могли своевременно принять меры по защите пчел.

The Bee Hub — разработка интегрированной платформы для данных о здоровье опылителей

Загрузите эту статью

Пчелы и другие насекомые-опылители приобретают все большую значимость в общественных дебатах. Европейские власти теперь осознают экологические риски, с которыми сталкиваются опылители, и необходимость институциональных действий. Учитывая их важность для экосистем и их роль в нашей продовольственной безопасности, обязательства по защите опылителей постоянно возрастают.Данные необходимы для выполнения этого обязательства, тем самым побуждая BeeLife совершенствовать необходимые инструменты для понимания рисков для опылителей и противодействия им. Чтобы способствовать продвижению этих усилий, BeeLife инициировала разработку The Bee Hub, интегративной платформы для централизации и передачи данных, связанных с опылителями. Bee Hub направлен на сбор данных, их обработку и предоставление общественности, чтобы агенты могли в дальнейшем разрабатывать полезные меры для опылителей и принимать своевременные решения.Благодаря сети практиков, исследователей и специалистов по обработке данных, а также поддержке EU Bee Partnership, разработка Proof of Concept (PoC) Bee Hub уже завершена.

Проблемы пчел в Европе и во всем мире широко признаны и становятся все более приоритетными для ряда институциональных субъектов. Например, предыдущий президент Европейской комиссии Жан Клод Юнкер пару лет назад попал в заголовки газет, заявив: «Я пчелиный человек» и настаивая на необходимости их защиты [1].Однако для реальной защиты требуется больше, чем просто политическая воля. Для этого требуются инструменты, необходимые для мониторинга и сбора данных, необходимых для оценки и планирования мер, которые необходимо предпринять. К счастью, пчеловоды, ассоциации, исследователи и государственные органы прилагают все усилия, чтобы понять пчел, опылителей в целом и их экологические проблемы. Благодаря их продолжающемуся сотрудничеству продолжают появляться новые возможности для помощи опылителям. Один из них — интеграция данных о здоровье пчел из разных источников.В соответствии с этой возможностью интеграции, BeeLife European Beekeeping Coordination преуспела в создании Proof of Concept инструмента интеграции для данных, связанных с опылителями, под названием Bee Hub.

Текущая PoC Bee Hub объединяет три различных источника данных, которые включают:

• Измерения масштаба улья — Сеть весов по всей Бельгии, координируемая Центром исследований и информации пчеловодства [2];

• Зимняя смертность пчелиных семей — проект анализа эпилобей [3] и COLOSS Предотвращение гибели пчелиных семей [4],

• Оповещения о заражении варроа — Бьене Остеррайх [5].

После успешного опыта работы с PoC следующие шаги будут включать новый этап разработки прототипа. Это будет включать интеграцию новых источников данных и дальнейшее стимулирование сотрудничества с заинтересованными сторонами. 8 ].Дискуссионная группа для взаимодействия с заинтересованными сторонами, она состоит из представителей пчеловодческого и сельскохозяйственного секторов, НПО, государственных учреждений, ветеринаров, научных кругов, промышленности, производителей и ученых. BeeLife, как зарегистрированная заинтересованная сторона, работает над тем, чтобы материализовать важный вывод из партнерства: необходимость интеграции данных и обмена данными.

Пытаясь создать решение для нужд, определенных EU Bee Partnership, BeeLife возглавляет разработку The Bee Hub.В рамках проекта быстрого перехода к инновациям «Интернет пчел» [7], в котором были применены новые технологические разработки для мониторинга здоровья пчел, BeeLife предприняла первые шаги по созданию этой платформы, успешно создав функциональное доказательство концепции пчелиный хаб.

В общих рекомендациях цель состоит в том, чтобы создать европейскую (и, возможно, всемирную) платформу, которая будет включать любые соответствующие данные, связанные с опылителями. Цель состоит в том, чтобы создать коммуникативный инструмент о статусе опылителей и опыления, имеющих важное значение для продовольственной безопасности и биоразнообразия [8].Разработка этой платформы призвана обеспечить удобное для пользователя окно с информацией о состоянии опылителей в режиме реального времени, выявляя проблемные и безвредные области. Цель состоит в том, чтобы улучшить наше понимание проблем, с которыми сталкиваются опылители, за счет улучшения передачи данных, использования научных исследований и создания добавленной стоимости путем поддержки принятия решений.

Объединение данных и участие в разработке стандарта BeeXML

В настоящее время существует несколько источников данных о здоровье пчел.Изначально существует пять идентифицируемых источников, которые в некоторых случаях сотрудничают между собой:

• Производители систем мониторинга ульев: они могут включать различные технологии и различные измерения. Самые популярные из них — весы для ульев, которые регистрируют вес улья и прогноз погоды. Тем не менее, другие системы мониторинга могут включать такие параметры, как влажность, температура в улье, акустические измерения, количество пчелиного трафика и т. Д.

• Академические исследования.

• Государственные учреждения.

• Индивидуальные пчеловоды.

• Пчеловодческие ассоциации.

Однако все эти субъекты не собирают и не выражают свои данные в единой модели. У каждого свои методы сбора и хранения данных. Хотя некоторые могут предусматривать сотрудничество и обмен данными, они пока не делают этого стандартизированным методом. Кроме того, до сих пор ни одна платформа не интегрирует эти данные, чтобы сделать их общедоступными.Хотя различные заинтересованные стороны постоянно собирают ценную информацию о здоровье пчел, по-прежнему не хватает ингредиента для достижения нового уровня осведомленности о состоянии опылителей и их проблемах. Интеграция данных из разных источников — это первое испытание, которое нужно преодолеть. Bee Hub представляет собой платформу для совместной работы, в которой каждый поставщик данных узнается и помогает в его формировании.

Хотя Bee Hub — это новая попытка интеграции и передачи данных, это не совсем новый инструмент.Он также работает параллельно с другими инициативами. Рабочая группа Апимондии по стандартизации данных о пчелах и пчеловодстве является выдающимся примером. Эта рабочая группа стремится стимулировать развитие передового опыта в отношении сбора данных и обмена ими. BeeXML, основанный на Extensible Markup Language (XML), языке программирования для хранения и передачи данных, является продолжающейся инициативой по созданию новой модели для обмена данными о пчелах [9].

Другая цель Bee Hub — стать драйвером для реализации BeeXML.Ожидается, что благодаря соглашениям с несколькими источниками данных и наличию прямого канала связи с поставщиками, Bee Hub станет совместным мероприятием. Он будет одновременно разрабатывать платформу и лучшие практики для обмена данными, принимая участие в формировании BeeXML.

Рис. 2. Поток данных Bee Hub

Владение данными и конфиденциальность

Одной из основных трудностей при создании интегрированной платформы для здоровья пчел является владение данными и конфиденциальность.Тем не менее, будучи некоммерческой инициативой, открытой для общественности, Bee Hub стремится обеспечить доверие своих сотрудников. Он не претендует на право собственности на данные и стремится защитить своих владельцев посредством всеобъемлющего соглашения о совместном использовании данных.

Главный принцип, на котором стоит Bee Hub, заключается в том, что производители данных являются и остаются единственными владельцами данных. Они решают, будут ли данные делиться внутри репозитория и с широкой публикой и в какой степени.

В случае данных, поступающих, например, из систем мониторинга ульев, владельцами являются не компания, предоставляющая услуги мониторинга, а владельцы оборудования. В случае пчеловодческих ассоциаций, устанавливающих системы мониторинга по всей своей сети, ассоциация является владельцем данных. В этом случае обмен данными зависит от прямого соглашения с ассоциацией, которая определяет уровень публичности их данных.

Учитывая характер Bee Hub, любые входящие данные или даже дальнейшие взносы полностью зачисляются. Эта идентификация позволяет конечным пользователям знать источники данных и способствовать дальнейшему сотрудничеству. Опубликованная релевантная информация включает (если данные становятся общедоступными) логотип компании или организации, проект, полное имя, описание, контактные данные и любые дополнительные сведения, которые могут быть запрошены поставщиком данных.

Другой важной проблемой является конфиденциальность пчеловодов, предоставляющих свои данные. Чтобы решить эту проблему, данные анонимизируются в два этапа для защиты конфиденциальной информации пчеловодов. Во-первых, в источнике, что означает, что Bee Hub получает данные без какой-либо идентифицируемой личной информации. Во-вторых, на стадии ввоза. Например, геолокация не включает полные координаты, так что дает лишь неопределенное приблизительное местоположение. Таким образом, конечные пользователи смогут получить необходимую информацию, не беспокоясь о конфиденциальности со стороны пчеловода.

Заключение

Bee Hub в настоящее время развивается как непрерывный процесс для улучшения сбора и обмена данными об опылителях. Экологические проблемы все чаще требуют улучшения наших стратегий мониторинга здоровья опылителей. Цель состоит в том, чтобы разработать комплексную платформу, способную интегрировать не только данные, но и ноу-хау заинтересованных сторон в области данных о здоровье опылителей. Благодаря постоянному сотрудничеству эта платформа могла бы стать интегрированным инструментом для пчеловодов, ассоциаций, исследователей, правительства и политиков.

После успешной разработки Proof of Concept работа над Bee Hub будет продолжена. Следующим шагом является разработка прототипа, процесс, в ходе которого сотрудничество и партнерство будут продолжать расти. Bee Hub — это новое предприятие по преобразованию данных в важную информацию для будущего опылителей.

Ссылки:

[1] Marks, S. & Paravicini, J. 2017. Я пчеловод: Юнкер на 50-й день статьи . https://www.politico.eu/article/im-the-bees-man-juncker-on-article-50-day/

[2] Центр апикольных исследований и информации (CARI).Остатки. http://www.cari.be/balances/

[3] Эпилоби Исследование колонии медоносных пчел потерь. https://ec.europa.eu/food/animals/live_animals/bees/study_on_mortality_en

[4] Ассоциация исследования пчел COLOSS. https://coloss.org

[5] Biene Österreich. https://www.biene-oesterreich.at

[6] EFSA. 2018. Техническое задание для EU Bee Партнерство. http: // www.efsa.europa.eu/en/supporting/pub/en-1423

[7] Интернет пчел. http://io-bee.eu

[8] МПБЭУ. 2019. Глобальный отчет об оценке биоразнообразия и экосистем IPBES за 2019 год Услуги. https://ipbes.net/global-assessment-report-biodiversity-ecosystem-services

[9] Apimondia Bee XML Working Group http://beexml.org

Загрузить эту статью:

Здоровье пчел: новый дата-центр запущен

Европейское пчеловодческое партнерство (EUBP) представило новую онлайн-платформу данных, которая сыграет решающую роль в усилиях по защите здоровья пчел и опылителей.Прототип платформы — это новаторский инструмент, который объединит и визуализирует согласованные данные, связанные с пчелами и другими опылителями.

Заинтересованные стороны из разных секторов — ассоциации пчеловодства и фермеров, европейские агентства, ученые и академические круги, индустрия защиты растений, ветеринарные ассоциации, НПО и другие — тесно сотрудничали в разработке прототипа платформы. Европейская координация пчеловодства BeeLife руководила разработкой платформы при поддержке гранта EFSA.

Сбор согласованных данных о пчелах и опылителях со всей Европы будет иметь ключевое значение для успеха новой системы, разработанной EFSA для оценки экологического риска It involves four steps: hazard identification, hazard characterisation, exposure assessment and risk characterisation. «> множественных стрессорных факторов у пчел, известных как MUST-B.

EFSA поможет преобразовать прототип платформы в полностью работающий инструмент, предоставив финансирование для следующего этапа его разработки. Вскоре будет объявлен тендер для продвижения проекта.

Конечная цель состоит в том, чтобы платформа стала центром, объединяющим всю необходимую информацию, знания и данные, собираемые и обмениваемые заинтересованными сторонами в области здоровья пчел и пчеловодства.Это сделает соответствующие данные доступными для конечных пользователей, таких как пчеловоды, пчеловодческие или фермерские ассоциации, исследователи, агентства и политики.

EFSA также только что получило полевые данные, собранные в ульях дозорных медоносных пчел в Дании и Португалии. Эти пилотные коллекции помогут откалибровать имитационную модель ApisRAM, которая лежит в основе структуры MUST-B.

границ | Летающая платформа для исследования нейронных корреляторов навигации медоносной пчелы (Apis mellifera)

1.Введение

Медоносные пчелы — замечательные мореплаватели. Собиратели учатся ориентироваться в сложных условиях и выполнять точные целенаправленные полеты на территориях размером несколько квадратных километров (Collett, 1996; Menzel and Greggers, 2015). Был предложен ряд экспериментальных данных и вычислительных моделей, касающихся того, какие стратегии могут использовать пчелы (Srinivasan et al., 1996). Интеграция путей, визуальное руководство с использованием воспоминаний о просмотрах или структурированных памятных ориентиров могут сыграть роль. Однако до сих пор неизвестно, комбинируются ли эти компоненты и как и на каком уровне вычислений они могут быть доступны пчелам-навигации (Collett, 2019; Webb, 2019).В большинстве моделей животных поиск нейронных коррелятов навигации достиг значительного прогресса благодаря экспериментам, в которых зарегистрированное животное могло свободно перемещаться в среде, близкой к естественной (O’Keefe and Nadel, 1979; Bingman and Able, 2002 ; Hafting et al. , 2005; Rubin et al., 2014; Eliav et al., 2021).

В отношении насекомых мы можем выделить два основных подхода: животные могут свободно перемещаться на небольших закрытых площадках, так что их мозг доступен с помощью проволочных электродов или методов визуализации (Jin et al., 2014, 2020; Kim et al., 2017), или они привязаны к установкам виртуальной реальности, движущимся стационарно (Harrison et al., 2011; Zwaka et al., 2019). Ранние данные показали, что пчелы воспринимают виртуальные стимулы (Abramson et al., 1996), и были созданы арены виртуальной реальности, на которых пчелы могут исследовать искусственную среду «в движении» (Schultheiss et al., 2017; Buatois et al., 2018). Однако, хотя было показано, что другие насекомые легко летают в виртуальных средах (Kaushik et al., 2020), до сих пор только одна арена виртуальной реальности для пчел сообщила о полете чуть более одной минуты (Luu et al., 2011). Никаких нейрофизиологических данных о полетах пчел в виртуальной реальности пока не получено. Запись с нейронов с использованием рюкзака из миниатюрного оборудования, как это предлагается у стрекоз (Harrison et al., 2011), все еще невозможна из-за ограничений по размеру и весу у пчел. В результате этого технологического разрыва мало что известно о нейронных коррелятах полетной навигации пчел.

Существенные предыдущие исследования различных видов насекомых выявили потенциальных нейропилов-кандидатов, которые могут играть роль в навигации.Недавняя работа, однако, предполагает, что даже незначительные различия между паттернами соединения разных видов насекомых могут приводить к существенно различающейся функциональности этих схем (Pisokas et al., 2020), подчеркивая необходимость нейрофизиологического доступа к навигации медоносных пчел в полете.

Где мы должны искать нейронные корреляты навигации? Было обнаружено, что центральный комплекс содержит нейроны, необходимые для навигации по солнечному компасу (Homberg et al., 2011). Клетки направления тела были обнаружены в центральном комплексе таракана в условиях, которые позволили протестировать эффекты немедленной памяти, проявляющиеся в динамических пространственных отношениях объект-тело. Таким образом, они могут играть роль в управлении траекториями ходьбы в естественных условиях (Varga and Ritzmann, 2016). Было обнаружено, что кольцевые нейроны в центральном комплексе дрозофилы кодируют направление тела по отношению к смоделированным визуальным объектам (Kim et al., 2017), и предполагается, что эти нейроны играют роль в направленном компоненте интеграции путей (Seelig and Jayaraman, 2015). ). Однако медоносным пчелам трудно получить доступ к центральному комплексу. Он находится под грибовидными телами (МБ), другим важным нейропилем, который интегрирует мультимодальные сенсорные данные и участвует в формировании памяти (Menzel, 2014).В частности, в контексте навигации ранее предполагалось, что МБ хранит воспоминания о просмотрах, которые навигационное насекомое могло бы сопоставить с его текущими наблюдениями (Menzel, 2012; Webb and Wystrach, 2016; Müller et al., 2018; Webb, 2019) и затем продолжит движение в наиболее знакомых направлениях. Предыдущая работа подтвердила пагубное влияние на формы обучения более высокого порядка (Komischke et al. , 2005; Devaud et al., 2007) при вмешательстве в функционирование грибовидного тела (Buehlmann et al., 2020; Хайнце, 2020; Камхи и др., 2020). Внешние нейроны грибовидного тела (MBEN), нейроны на выходе грибовидного тела, вероятно, участвуют в формировании и восстановлении памяти (Menzel, 2014) и были успешно зарегистрированы у свободно ходящих медоносных пчел (Duer et al., 2015; Paffhausen et al. др., 2020). Более того, подмножество MBEN может быть точно нацелено под визуальным контролем после экспонирования только части мозга (Menzel, 2013). Это увеличивает выживаемость животных при увеличении продолжительности записи, и поэтому мы здесь решили нацеливаться на MBEN.Мультимодальные и связанные с обучением свойства MB делают его гораздо более подходящей целью в контексте реальной и виртуальной реальности. Кажется более вероятным обмануть центральный комплекс с помощью стимуляции виртуальной реальности для обработки значимой информации, связанной с навигацией. MB, однако, потенциально может быть более чувствительным к интеграции мультимодальной стимуляции. Синхронность, разрешение и полнота реального мира могут быть особенно полезны при исследовании участия МБ во время навигации.

Мы предлагаем новую методологию записи нейронной активности из MBEN медоносных пчел на квадрокоптере. Животное может автоматически перемещаться по заранее определенным маршрутам, представляя естественные стимулы во всех сенсорных модальностях. Мы провели поведенческие эксперименты, чтобы убедиться, что пчелы демонстрируют летное поведение, когда привязаны к вертолету, и могут интегрировать визуальную информацию, воспринимаемую на вертолете, в последующих эпизодах автономной навигации. Опираясь на эти результаты, мы разработали миниатюрную записывающую систему, которая способна усиливать и оцифровывать нервную активность, снижая при этом шум двигателя и ротора до приемлемого уровня.В этой статье мы определяем все компоненты системы и показываем результаты наших поведенческих экспериментов. Мы предоставляем подробный отчет об экспериментах, в которых мы успешно регистрировали нейрофизиологические данные в полете, и представляем анализ, подтверждающий, что записанная активность связана с последовательностью стимулов, воспринимаемых на маршрутах полета. Это первая работа, которая доказывает, что эта альтернатива виртуальным средам действительно возможна. Открывая все системные спецификации, код и данные, мы надеемся побудить сообщество продолжить эти усилия по выявлению нейронных коррелятов навигации у медоносных пчел.

2. Методы

2.1. Поведенческие эксперименты

Поведенческие эксперименты проводились на лугах к востоку от Гросзельхайма, Германия. На западной границе поля (50 ° 48 ‘51,1452 «с.ш., 8 ° 52’ 20,9928» в.д.) был установлен двухкамерный наблюдательный улей. Полевой участок был богат визуальными ориентирами как на земле (оросительные каналы, пешеходные дорожки, живые изгороди и т. Д.), Так и на горизонте (см. Карту на Рисунке 1 и панорамные изображения в дополнительных материалах).

Рисунок 1 .Карта полевого участка для поведенческих экспериментов. Для эксперимента по самонаведению медоносные пчелы из улья (красный цвет) были обучены добывать корм в указанном месте кормления (оранжевый). Лица, пойманные на этом участке, были прикреплены к квадрокоптеру и доставлены к месту выпуска (желтый).

2.1.1. Демонстрируют ли привязанные пчелы летное поведение на дроне?

рабочих пчел ( Apis mellifera ) из трех групп (парение — H , полет вперед — F и контроль — C ) были прикреплены к квадрокоптеру (Matrice 100, DJI, Шэньчжэнь, Китай) через удлинитель (длиной 50 см, см. рисунок 2).Бирка с номером с маленькой металлической булавкой была приклеена к грудной клетке животного, а булавка была прикреплена к удлинителю. Рука поместила пчелу так, чтобы она имела почти полный обзор. Коптер помещали в поле, и животному позволяли схватить легкий пенопластовый шар (диаметром ~ 8 мм), прикрепленный к земле на веревке. Камера позади животного записывала видео с частотой 25 Гц на SD-карту. В начале эксперимента коптер оторвался от земли (группы H и F ), вытащив пчелу из пенопласта.Для контрольной группы C мяч тянули вручную, без какой-либо двигательной активности коптера. Из-за рефлекса предплюсны пчелы мгновенно начали хлопать крыльями. Пчелы в группе H были подняты вверх на высоту ~ 2 м (естественная высота во время коротких походов за кормом на расстояние 30 м) с незначительным вращательным или горизонтальным движением. Пчелы группы F летели вперед, непрерывно набирая высоту (до 2 м) и расстояние до точки старта.Коптер управлялся вручную и возвращался обратно после того, как больше не наблюдалось биения крыльев или прошла максимум одна минута полета. Скорость полета вперед составляла 10 м / с (естественная скорость полета, наблюдаемая во время радиолокационных экспериментов, Riley et al., 2005). Видео были проанализированы постфактум, и была извлечена продолжительность продолжающегося биения крыльев. Каждую из 47 пчел тестировали со всеми обработками в рандомизированном порядке с интервалами отдыха 1 мин.

Рисунок 2 .Поведенческие полевые эксперименты. (A) Медоносная пчела прикреплена к квадрокоптеру с помощью удлинителя. (B) Неподвижное изображение видеозаписи, демонстрирующее поведение в полете, определяемое как непрерывное биение крыльев, с поднятым животом и задними ногами.

2.1.2. Самонаведение после полета вертолета

Мы исследовали, извлекают ли пчелы информацию, необходимую для самонаведения, при транспортировке на вертолете. Пчел приучили к сахарнице в 400 м к востоку от улья (50 ° 48 ‘56,25 «с.ш., 8 ° 52’ 38.766 «E, см. Рисунок 1) и поймали после того, как выпили ad libitum . Маленький пластиковый маркер с металлической булавкой был приклеен к бирке с номером, которую они уже прикрепили к своей грудной клетке. Затем животное было прикреплено к удлинителю коптера. (группа лечения T, N = 54) или поместить в непрозрачный ящик на верхней стороне коптера (контрольная группа C, N = 18) так, чтобы он не мог визуально воспринимать траекторию полета. Животное было привязано с небольшим зажимом в коробке, аналогичным механизму, изображенному на рисунке 2. Процедура длилась ~ 1 мин. Затем вертолет был запущен вручную, вертикально поднявшись на высоту 15 м, и затем был настроен на достижение цели автоматически (400 м к северу от местоположения фидера: 50 ° 49 ‘6.4632 «северной широты, 8 ° 52’ 30.5616» восточной долготы). И отрыв, и посадка выполнялись вручную, поскольку автоматический отрыв и посадка выполнялись с низкой скоростью. Скорость полета составляла 10 м / с. По прибытии в целевое место пчелу отвязали и выпустили. Время и идентификатор пчелы записывали при выпуске и прибытии в улей.Некоторые пчелы приземлились в траве вскоре после взлета. Для этих пчел мы отметили время возобновления обратного полета.

2.2. Нейрональные корреляты навигации

2.2.1. Миниатюрная записывающая система

Для регистрации нейронной активности мозга пчелы мы разработали легкий усилитель с батарейным питанием, а также систему сбора и хранения данных. Заказное решение состояло из двухканального внеклеточного усилителя, двух аналого-цифровых преобразователей (АЦП) и платы микроконтроллера с SD-картой для хранения данных. Усилитель (см. Рисунок 3) был основан на подходящем одноканальном усилителе (Budai, 2004). Печатная плата (PCB) содержала два таких усилителя, общий источник питания и два электрически изолированных АЦП, которые считывались одновременно специальным микроконтроллером. Ступени головы были разложены на отдельной плате, расположенной рядом с пчелой. Таким образом, слабые нейронные сигналы должны были пройти всего несколько сантиметров. Пучок электродов (Duer et al., 2015) состоял из двух эмалированных медных проволок и чистой серебряной проволоки в качестве эталона.Эталонный провод был изогнут на 90 ° относительно медных проводов на 80 мкм выше кончика электродов, чтобы указать желаемую глубину размещения электродов в головном мозге. Два входных канала были измерены и усилены относительно общего заземляющего электрода. Полученные сигналы позже вычитались друг из друга в цифровой области, чтобы сформировать дифференциальную пару. Импеданс каждого электрода сильно зависел от места окончательной записи, то есть от окружающей ткани и их электрических свойств. Автономное согласование импеданса позволило обеспечить наиболее точное шумоподавление (см. Раздел 2.3).

Рисунок 3 . Внеклеточный усилитель и поток данных. (A) Фотография нестандартного двухканального внеклеточного усилителя. Конструкция содержит два каскада головки для преобразования импеданса. Они расположены близко к голове пчелы. Затем каждый аналоговый сигнал обрабатывается отдельно усилителями (коэффициент усиления: 1,000x) и активными фильтрами (полосовой: 300 Гц – 10 кГц).Затем полученные аналоговые сигналы оцифровывались двумя синхронизированными дельта-сигма аналого-цифровыми преобразователями (16 бит, частота дискретизации 20 кГц). Два гальванических изолятора изолировали цифровые сигналы, чтобы не улавливать шум от микроконтроллера хранения данных (STM32F4). (B) Схема системы с STM32F4 в качестве бортового компьютера. Схема всех электрических компонентов системы нейрокоптера и используемых шин в дополнение к компонентам, входящим в состав квадрокоптера DJI Matrice 100. Синие стрелки обозначают передачу данных. Направление стрелки символизирует направление информационного потока. Красные стрелки показывают источники питания и соответствующие им напряжения. Чтобы сделать код аппаратно независимым, для доступа к оборудованию использовался уровень аппаратной абстракции куба STM32.

Снижение электрического шума имело особое значение из-за непропорционально малых значений напряжения и тока сигналов мозга и шума, исходящего от коптера. В полете коптер генерирует сильные электрические и электромагнитные поля.Пластиковые роторы генерируют электрические поля путем статической зарядки из-за трения воздуха, а четыре двигателя, приводящие в движение роторы, генерируют сильные электромагнитные поля. Каждый двигатель подключен к контроллеру двигателя, который генерирует сильные переключающие шумы, влияет на напряжение аккумуляторной батареи коптера и вызывает изменения электрического поля. Все эти влияния были учтены при проектировании источника питания усилителя и выборе изоляторов. Кабели, передающие аналоговые сигналы, были особенно чувствительны к шуму.Медная лента использовалась для защиты всех кабелей от помех электрического поля. Записанные сигналы были усилены таким образом, чтобы биологические сигналы были достаточно детализированными для достаточной сортировки пиков, но большие изменения напряжения не приводили к насыщению входного диапазона усилителя (см. Рисунок 8). Усиленные и отфильтрованные (100–20 000 Гц) сигналы оцифровывались и считывались платой микроконтроллера (см. Рисунок 3). Этот компонент получает отметки времени от подключенного модуля GPS и сохраняет данные на SD-карте.Таким образом, нейронные данные были синхронизированы с данными телеметрии коптера.

2.2.2. Квадрокоптер

Квадрокоптер (Matrice 100, DJI, Шэньчжэнь, Китай) был оборудован миниатюрной записывающей системой и удлинителем для крепления животного и записывающего оборудования. Камера наблюдала за концом руки снизу и обеспечивала вид на окружающую среду (Yi 4k, YI Technologies, Сингапур, см. Рисунок 4). Батарейный отсек был немного втянут, чтобы уравновесить вес выдвижного рычага для лучшей устойчивости полета.Специальная металлическая клетка наверху коптера содержала плату усилителя. Он был экранирован медной лентой, которая подключалась к минусовой клемме аккумуляторной батареи коптера. Плата микроконтроллера располагалась сверху обоймы. Удлинитель также максимально отделял пчелу от моторов, не влияя на летные характеристики и центр масс коптера. Таким образом снижается потенциальный захват электромагнитных полей, исходящих от двигателей и гребных винтов. Подставка для пчел соединялась с удлинителем с помощью резиновых амортизаторов для уменьшения вибраций.

Рисунок 4 . Среда проведения навигационных экспериментов. (A) Вид на бортовую видеокамеру. На кадре показана экспериментальная среда, пока коптер движется к фидеру (см. Отмеченное место в B ). (B) Траектория полета трилистника. Полеты начались в юго-западном углу поля, ~ 180 м от улья.

2.2.3. Полевой участок и фотограмметрия

Улей был создан в Свободном университете Берлина (52 ° 27 ‘25.3116 «с.ш., 13 ° 17 ‘45,7584» в.д.), а пчел обучили собирать сахарозу из кормушки на поле (~ 50 000 м ² ) в Институте Юлиуса Кюна в Берлине, Германия (52 ° 27′ 39,7008 » N, 13 ° 17 ‘48,3288 «E). Все нейрофизиологические записи во время полета проводились в этом месте.

В ходе постэкспериментального анализа данных мы изучили связь между нейронной активностью и визуальными данными животного, реконструированную на основе положения коптера и реалистичной трехмерной карты участка поля. Перед экспериментами поле было нанесено на карту с помощью фотограмметрии по аэрофотоснимкам (с использованием DJI Inspire, Pix4D), в результате чего была получена карта глубины поверхности.По правилам нам не разрешили летать над прилегающими территориями. Мы извлекли данные изображений в свободном доступе (Google Earth) в виртуальных эстакадах для окружающего поля (всего 220 км ² ) и реконструировали карту глубины в высоком разрешении (12 см / пиксель) для близкого соседства вокруг поля и в низкое разрешение (~ 4 м / пиксель) для большей прилегающей территории. Три карты были объединены в Blender (Blender Online Community, 2018). Таким образом, карта поля в высоком разрешении (разрешение: ~ 13 см / пиксель) предоставила подробные и актуальные наземные структуры, в то время как две другие модели предоставили информацию о горизонте.

2.2.4. Методика эксперимента

Медоносных пчел приучили к кормушке на экспериментальной площадке, в 420 м к северу от улья. Кормушка (0,5 М раствор сахарозы) была расположена в центре поля (см. Рисунок 4, стоя на ярко-желтом ящике (ширина 80 см, длина 35 см, высота 40 см). Все пчелы, посетившие участок, были помечены. Цвет маркировки менялся каждый день, чтобы различить, сколько дней пчела кормилась на участке.

При подготовке к эксперименту в улье была поймана одна из помеченных медоносных пчел, которые посещали кормушку не менее трех дней.Пчелу переносили в стеклянный флакон и анестезировали льдом. После обездвиживания пчела была осторожно запряжена в пчелиный держатель тканевой лентой и прикреплена к столику записи на коптере (см. Рис. 5). Под стереомикроскопическим зрением голова была открыта, а железы и трахея отодвинуты в сторону, пока не стала видна альфа-доля (см. Рисунок 5). В интересующую область были имплантированы два электрода. Тогда заземляющий электрод будет лежать на поверхности мозга. После появления стабильных нейронных сигналов электроды и отверстие головки закрывали силиконом (Kwik-Sil, WPI, Сарасота, Флорида, США).Затем пчелу и вертолет перевезли на поле. Предполетная проверка подтвердила, что нервная активность присутствует после световой стимуляции (акустический мониторинг) и что система записи работает нормально. После предполетной проверки пчела автоматически летела по заранее заданному маршруту, напоминающему трилистник (см. Рисунок 4). Траектория полета была выбрана таким образом, чтобы она включала эстакады фидеров с разных направлений и участок полета в сторону улья. Таким образом, мы могли бы исследовать несколько гипотез, например.g., что MBEN реагируют на знакомые взгляды. Пчелы могут видеть ~ 300 ° по горизонтали в плоскости тела с низким пространственным разрешением для периферических омматидий (Seidl and Kaiser, 1981). Таким образом, пчелиный держатель мог заблокировать небольшую часть заднего обзора (см. Рисунок 5). В остальном у пчелы был почти беспрепятственный обзор окружающей среды.

Рисунок 5 . Подготовка, установка и запись сайта. (A) Подготовка к электрофизиологическим экспериментам проводилась в контролируемой среде с уже прикрепленной к квадрокоптеру медоносной пчелой. (B) Небольшой прямоугольный разрез в головной капсуле показал альфа-долю мозга пчелы после того, как трахею и железы отодвинули в сторону. Пучок электродов, видимый в микроскоп, прикрепляли к микроманипулятору с стоматологическим воском. После имплантации пучка электродов он был подключен к головной части коптера через специальный разъем. Наконец, электроды и разрез закрыли силиконом. Перед перемещением животного в поле держатель электрода отсоединяли, чтобы обеспечить свободный вид спереди.

Полеты начались в юго-западном углу поля, примерно на линии, соединяющей улей и кормушку, в направлении кормушки. Коптер поднялся вручную на высоту 15 м, а затем переключился на автоматическое сопровождение точки маршрута. Скорость полета была установлена ​​на уровне 5,5 м / с. Скорость и высота были выбраны из-за требований закона о сохранении прямой видимости. Коптер описал линейный путь к кормушке и дальше, а затем сделал поворот направо на расстоянии ~ 80 м за кормушкой.Поворот переориентировал коптер обратно на кормушку, теперь обращенную к нему с другого подшипника. Последовательность (пролет фидера и разворот) повторялась дважды, и затем коптер возвращался к месту старта, чтобы повторить эту схему полета до тех пор, пока батарея коптера не опустилась слишком далеко для продолжения (3-5 повторений в зависимости от условий ветра, например, встречный или попутный ветер). Затем коптер вручную приземлили на стартовую площадку для замены батареи с постоянным временем отдыха между испытаниями. Каждый раз мы загружали данные в ноутбук, а затем снова выполняли предполетную проверку.Процесс повторяли до тех пор, пока либо животное не умерло, либо больше не регистрировались спайки.

2.3. Анализ данных

2.3.1. Поведенческие эксперименты

Статистическая проверка гипотез была проведена для анализа поведенческих данных. Для эксперимента с продолжительностью полета (раздел 2.1.1) односторонний тест Манна-Уитни U использовался для проверки нулевой гипотезы об отсутствии значительных различий в наблюдаемой продолжительности полета между тремя группами (парение — ). H , полет вперед — F , и управление — C ).

Для эксперимента самонаведения (раздел 2.1.2) был использован односторонний тест Манна-Уитни U для проверки нулевой гипотезы об отсутствии значительных различий в продолжительности полетов самонаведения после выхода из вертолета между две группы (группа обработки — T , контрольная группа — C ).

2.3.2. Нейрональные корреляты навигации

2.3.2.1. Сортировка шипов

Записанные данные состояли из двух каналов нейронных сигналов, отмеченных временными метками сигналов GPS. Сигнал GPS также использовался для отметки времени телеметрии траектории полета коптера, которая будет использоваться для синхронизации данных с точностью до миллисекунды. Данные телеметрии были сохранены со 100 выборками в секунду, включая скорость, высоту, координаты GPS, ускорение и ориентацию коптера. Затем данные были объединены с использованием временных меток GPS.

Электрофизиологические записи были проанализированы с использованием пакета научного программного обеспечения Python (Walt et al., 2011; Virtanen et al., 2020). Мы разработали процедуру обработки данных и сортировки пиков, аналогичную Quiroga et al. (2004), но адаптированы к высоким уровням неоднородного шума в данных, вызванных двигателями и роторами коптера. Надежная нормализация была применена к обоим каналам отдельно: x _t = [ x _t — медиана ( X )] / mad ( X ), где x _{t ,} — это амплитуда сигнала в момент времени , t и mad — среднее абсолютное отклонение сигнала. Затем был вычислен дифференциал двух записей для улучшения отношения сигнал / шум в данных. Кроме того, была применена локальная робастная нормализация с размером скользящего окна в одну секунду, чтобы уменьшить влияние изменяющегося во времени отношения сигнал / шум, вызванного двигателями и роторами квадрокоптера, на качество извлеченного сигнала.

пиков с использованием пороговой обработки. Надежная оценка стандартного отклонения была рассчитана как n = медиана ( X ) · k ( k = 1.4826). Порог обнаружения спайков был установлен на Thr = 4 · n (Quiroga et al., 2004). Затем были извлечены положения пиков с использованием обнаружения локальных минимумов для данных с пороговой обработкой.

Для каждого обнаруженного пика было выделено окно вокруг пика сигнала длиной 1,44 мс для сортировки пиков. Вейвлет-коэффициенты Хаара рассчитывались с помощью PyWavelets (Lee et al., 2019). Размерность этих функций была уменьшена с использованием реализации scikit-learn в PCA, так что каждая оставшаяся функция объясняет, по крайней мере, один процент дисперсии вейвлет-коэффициентов (Pedregosa et al. , 2011). Обнаружение аномалий было выполнено с использованием локального фактора выбросов (Breunig et al., 2000) для функций PCA, и обнаруженные выбросы не использовались в дальнейших анализах. Затем всплески были сгруппированы с использованием алгоритма HDBSCAN (McInnes et al., 2017) по функциям PCA с использованием минимального размера кластера 100.

Для повышения чувствительности метода в периоды сильного шума (например, при разгоне квадрокоптера) для каждого обнаруженного нейрона определялась медианная форма шипа и вычислялась скользящая корреляция Пирсона этой формы с нормализованным входным сигналом.Затем этапы обнаружения пиков были повторены для коэффициента корреляции, т. Е. Был вычислен порог и обнаружены локальные минимумы за пределами этого порога. Это обнаружение всплесков сопоставления с образцом увеличило количество обнаруженных всплесков, не являющихся выбросами, с 13861 до 17 106 за запись продолжительностью ~ 14 минут.

Цепи всплесков были объединены в интервалы по 100 мс, и частота всплесков рассчитывалась как сумма обнаруженных пиков в течение каждого интервала. Для визуализации скоростей на Рисунке 8 для сглаживания траектории использовалось скользящее среднее с размером окна 3 с.

2.3.2.2. Автокорреляция спайков

Путь трилистника повторялся несколько раз за полет, и кажется возможным, что нейронные сигналы отражают эти повторения, независимо от того, какие сенсорные свойства кодируют единицы, которые мы записываем. Чтобы проверить эту гипотезу, мы вычислили коэффициент корреляции Пирсона временного ряда частоты всплесков, который соответствует однократному повторению траектории трилистника в скользящем окне на протяжении всей записи полета.Если сигналы мозга пчелы отражают повторяющиеся модели полета, мы ожидаем увидеть пики, обозначающие начало каждого рисунка трилистника.

2.3.2.3. Реалистичная модель глаза медоносной пчелы

При анализе данных данные телеметрии коптера (показания GPS и компаса) использовались для восстановления траектории полета на трехмерной карте окружающей среды. Ранее мы опубликовали программный пакет для реконструкции визуального восприятия пчел (Polster et al. , 2019). Эти виды пчел имитировали поле зрения сложного глаза, а также характеристики распределения и отбора проб отдельных омматидий.Для каждой трехмерной позиции и ориентации в виртуальной среде программное обеспечение отбрасывает лучи для отдельных омматидий и предоставляет образец цвета текстуры на пересечении с трехмерной моделью (см. Рисунок 6). Чтобы выяснить, могут ли определенные структуры грунта или горизонта вызывать повторяющиеся всплески активности, мы использовали программное обеспечение, чтобы спроецировать скорость всплесков обратно на виртуальную поверхность.

Рисунок 6 . Картирование зрения медоносной пчелы в одной позиции. (A) 3D-рендеринг с фотограмметрической модели экспериментального ландшафта. (B) Реконструкция восприятия поля медоносными пчелами. Чтобы нарисовать эту перспективу на карте, вычисляется положение каждого пикселя в фотограмметрической модели. (C) Для отображения используются только пиксели, отображающие часть поля, которые на изображении отмечены зеленым цветом. Красные пиксели показывают части окружающей среды за пределами поля. Они не используются для сопоставления, так же как и синие пиксели, которые приводят к артефактам после сопоставления. (D) Рентгеновское литье используется для моделирования мест в поле, воспринимаемых человеком и помещаемых на карту поля.Каждому отображаемому пикселю назначается тот же цвет, что и на изображении пчелы.

3. Результаты

3.1. Движение вперед вызывает привязанный рейс

Группа прямого полета F показала значительно более длительное биение крыльев по сравнению как с контрольной, так и с парящей группой (медиана [мин, макс]; группа F : 13 с [0 с, 64 с]; F по сравнению с группой C : 2 с [0 с, 16 с], U = 279,5, P <0,001; F по сравнению с группой H : 3 с [0 с, 14 с]; U = 468, P <0.001). Группы C и H достоверно не различались (U = 2329, P = 0,089). См. Рисунок 7 с диаграммами данных.

Рисунок 7 . Люди демонстрируют более естественное поведение в полете, будучи прикрепленными к летающему дрону, и могут перемещаться быстрее, когда они могут воспринимать окружающую среду во время транспортировки в новое место. (A) Общее время биения крыла о землю в стационарном полете и при поступательном движении дрона.Биение крыльев происходит в течение более длительных периодов времени при движении дрона вперед ( N = 47). (B) Особи были пойманы на месте кормления и переведены на новое место с помощью дрона перед выпуском ( N = 54). Пчелы контрольной группы ( N = 18) содержались в непрозрачном контейнере и не могли визуально воспринимать окружающую их среду во время полета. Было измерено время возвращения в улей, и контрольным пчелам требовалось значительно больше времени, чтобы вернуться.

3.2. Перемещение вертолета обеспечивает более быстрое возвращение в исходное положение

Пчелы в экспериментальной группе T вернулись домой через значительно более короткий промежуток времени (медиана [мин., Макс.]; Группа T : 149,5 с [75 с, 1070 с]; T по сравнению с группой C : 200 с [105 с, 875 с]; U = 326, P = 0,019). См. Рисунок 7 с диаграммами данных.

3.3. Запись нейронной активности возможна на летающем вертолете

Перед тем, как использовать новую систему записи на коптере, мы протестировали ее работоспособность с помощью искусственных сигналов и сигналов от мозга медоносной пчелы в лабораторных условиях.Активность от одного и того же источника регистрировалась как системой усилителя коптера, так и коммерческой системой (усилитель: EXT, npi, Тамм, Германия; оцифровка: 1401micro, Cambridge Electronics Design, Кембридж, Великобритания). Мы не обнаружили существенных различий в данных, полученных этими двумя системами, при сравнении спайков от мозга пчел, а также частот, генерируемых искусственно.

В полете мы успешно зарегистрировали непрерывную активность отдельных единиц от MBEN для многократного повторения траектории полета.Электроды улавливают значительное количество электромагнитного шума, производимого контроллерами двигателей, двигателями и гребными винтами. Мы заметили, что уровни шума между каналами различаются, вероятно, из-за различий в импедансе. Однако дифференциальная запись позволила удалить его большую часть при тщательной настройке соответствующего коэффициента цифрового усиления для одного из каналов. Для каждого эксперимента коэффициент устанавливался вручную постфактум. Как только эта настройка была завершена, появились шипы. Амплитуда монополярных входных каналов была примерно в 100 раз больше, чем результирующие выбросы от дифференцированного канала.Затем эти записи были отсортированы. Мы рассчитали межспайковые интервалы и подтвердили, что рефрактерный период в 4 мс редко сокращался, что указывает на успешную сортировку одиночных источников спайков. Для получения дополнительной информации см. Рисунок 8.

Рисунок 8 . Оценка шипов для пчелы A. (A) Нейронная активность, зарегистрированная во время полета по двум каналам, показала высокий уровень шума, большая часть которого была устранена путем вычитания двух каналов в цифровой области. (B) Необработанная дифференциальная кривая показывает всплески выше остаточного шума. (C) Запись из (B) увеличила два отдельных пика (превышающих горизонтальный пороговый потенциал). Запись была отсортирована по пикам, чтобы выделить единичную активность. (D) Шаблон формы шипа для блоков, показанных на позиции (C). (E) Распределение интервала между всплесками (ISI), показывающее одиночный режим на 21 мс и очень немногие случаи менее 5 мс. (F) Скорость всплесков с течением времени за полет (см. Рисунок 4).Каждый график представляет собой повторение непрерывной траектории полета от начала до конца для одной и той же траектории трилистника. Повторения имеют схожие черты, синхронизированные со временем (и, следовательно, местом) пройденного пути.

3.4. Нейронная активность во время полета повторяется

Эксперименты с нейронными записями на коптере проводились осенью 2018 года и летом 2019 года. Начиная с примерно 200 животных, мы успешно имплантировали электроды примерно 50 животным, и все они производили нервную активность при световой стимуляции.Однако только 10 животных продолжали предоставлять данные о спайках после транспортировки в поле, и только три из этих записей прошли постэкспериментальную проверку качества. Половина записей показала слишком много шума по всему списку полетов с сомнительными результатами сортировки спайков, а две записи были исключены из-за различного отношения сигнал / шум на протяжении всего эксперимента.

Нейронные записи соответствуют повторяющимся раздражителям окружающей среды. Мы обнаружили сильную автокорреляцию частоты шипов для моделей полета одиночного трилистника у отдельных пчел (см. Рисунок 9).Это указывает на взаимосвязь между фазой траектории и частотой всплесков.

Рисунок 9 . Частота всплесков сильно автокоррелирована при многократном повторении одной и той же траектории полета. Автокорреляции со скользящим окном были рассчитаны для всех этапов шести (a – f) полетов. Для всех полетов, особенно для полетов a, b и d, наблюдалась сильная корреляция пиковой активности для нескольких раундов одной и той же траектории полета. Разрывы между раундами и периодом старта и посадки были удалены, и были вычислены скользящие корреляции Пирсона.Серые линии обозначают начало раунда.

Мы обнаружили, что эпизоды с высокой частотой всплесков совпадают с маневрами поворота (см. Рис. 10), хотя высокая частота всплесков проявляется не только в поворотах, а некоторые повороты не показывают более высокой активности всплесков. Эти результаты согласуются с повторением одной и той же траектории у одного животного, но также и между людьми. Мы обнаружили сильную корреляцию частоты всплесков со скоростью поворота коптера при задержке 0,7 с. В некоторых записях прямые траектории полета также демонстрировали вариации скорости всплесков, но мы не нашли никакого объяснения этому поведению (см. Рисунок 11).

Рис. 10. (A) Частота всплесков выходных нейронов грибовидного тела отдельной пчелы и угловая скорость во время полета. (B) Была обнаружена сильная корреляция с запаздыванием между скоростью всплеска и скоростью вращения (рыскание) с запаздыванием 0,7 с (r 0,27 Пирсона, p ≪ 0,001).

Рисунок 11 . Траектории полета и частота всплесков. На каждом графике частота всплесков отображается ложным цветом поверх координат траектории полета. Графики расположены в последовательном порядке для первых трех полетов каждой пчелы [ (A) Bee A, (B) Bee B].Следующие полеты изображены в дополнении. В центре цветочного образования находится обученная кормушка. Частота появления шипов у пчелы B более неоднородна и выше на углах. Обточенные углы в опытах пчелы Б более острые, чем у пчелы А.

Визуальный осмотр количества колосьев не выявил явной корреляции с пространственным отношением пчелы к кормушке или улью. Мы использовали модель сложного глаза пчелы, чтобы сопоставить частоту всплесков с картой местности для каждой позиции на траектории полета (см. Рисунок 12).Хотя на результирующих картах видны пятна активности, они, скорее всего, связаны с одиночными всплесками, а не из-за суммирования распределенной активности по повторяющимся полетам.

Рисунок 12 . Картирование показателей скачков в поле зрения людей во время полетов. В каждой позиции всем пикселям в поле зрения пчелы на карте присваивается соответствующее значение скорости всплеска в это время. Среднее значение рассчитывается для пикселей с несколькими назначенными значениями скорости всплесков во время сопоставления.Повороты были исключены, чтобы выделить всплески активности во время частей раунда без высокой угловой скорости. См. Дополнительные материалы, чтобы получить информацию о нанесенных на карту шипах, включая повороты.

Отображение активности спайков в поле зрения людей в целом выявило области, связанные с высокими темпами спайков, которые менялись при многократном повторении одной и той же траектории, даже в пределах одного человека. Интересно, что даже если исключить повороты на этом картировании, области вблизи маневров разворота, как правило, демонстрировали самую высокую активность (см. Рисунок 11).Мы не нашли четких доказательств устойчивой связи частоты всплесков с конкретными ориентирами в проанализированных здесь данных.

4. Обсуждение

Мы предлагаем новую методологию поиска нейронных коррелятов навигации у пчел. В отличие от воспроизведения реалистичных условий в виртуальных средах, мы предлагаем переместить лабораторию в поле. Хотя этот подход сопряжен со своими проблемами, мы показываем, что запись нейронной активности от MBEN у медоносных пчел возможна на квадрокоптере в полете.

Мы миниатюризировали записывающее оборудование и существенно снизили шум двигателя, улавливаемый электродами, с помощью различных стратегий, от заземления и экранирования до дифференциальной записи и соответствующих конструктивных решений аппаратного обеспечения.

Пчелы, которые пережили имплант и были доставлены в поле, пережили многократное повторение траектории полета. Пчелы, вошедшие в анализ, не показали сдвигов базовой линии, указывающих на перемещение электродов или последующую потерю единиц.Электрофизиологические данные высокого качества, а спайки и их свойства близки к зарегистрированным в лабораторных условиях (Zwaka et al., 2019).

В то время как непрерывное биение крыльев наблюдалось только в течение части естественной продолжительности навигационного полета, полет вперед вызывает более длительные биения крыльев по сравнению с контрольными группами. Возможно, что привязанные пчелы, даже те, которые не летают, воспринимают среду обитания, на что указывают их значительно более короткие полеты самонаведения по сравнению с ослабленным зрением.

Данные трех успешных нейрофизиологических экспериментов могут не быть убедительным доказательством того, что пчелы полностью восстанавливают свой навигационный опыт, когда привязаны к вертолету, однако воспроизводимая нервная активность во время их трилистникового пути предполагает, что MBEN кодируют визуальные особенности, возможно, связанные с окружающей средой. Наиболее заметная корреляция, которую мы обнаружили, подтверждает более ранние открытия поворота тела, кодируемого в MBENs тараканов (Mizunami et al., 1998). Аналогичная взаимосвязь была обнаружена во время разворотов полета у тараканов (Guo, Ritzmann, 2013).Корреляция частоты спайков также может быть связана с невизуальными стимулами, такими как отклонение антенн или изменения инерции.

Прежде чем продолжить эти эксперименты с записью, необходимо решить несколько дополнительных ключевых проблем. Нам нужно увеличить вероятность успеха (в настоящее время всего 5%) и время выживания животного. Показатель успеха в лабораторных условиях колеблется от 30% у пчел, прикрепленных к трубе (Filla and Menzel, 2015), до 10% у пчел, неподвижно перемещающихся в виртуальной среде (Zwaka et al., 2019). Регистрирующие электроды требуют улучшения, особенно заземляющий электрод, который, по-видимому, передает слишком большую механическую нагрузку на мозг. Один случай отказа может быть связан с силиконом, который мы использовали для закрытия окна доступа к головке. У некоторых животных качество сигнала ухудшалось по мере того, как силикон высыхал, и мы подозреваем, что положение электрода изменилось из-за усадки силиконового уплотнения. Прочное уплотнение, ограничивающее перемещение электродов во время полета коптера, является решающим элементом повышения качества записи.

Чтобы снизить процент отказов после эксперимента (пока что на 70%), нам необходимо еще больше улучшить отношение сигнал / шум. С одной стороны, это может быть достигнуто за счет лучшего экранирования и адаптивного согласования импеданса для вычитания канала. С другой стороны, процедура оценки, определяющая, достаточна ли величина всплесков, выиграет от реалистичного моделирования ожидаемого шума коптера в лаборатории.

Основная проблема для интерпретации результатов заключается в том, что частоту всплесков можно осмысленно сравнивать только у одного и того же животного из-за потенциальных различий в нейронных связях и расположении электродных имплантатов между людьми.К сожалению, от одного человека можно записать только ограниченное количество данных, что затрудняет интерпретацию результатов. Возможно, удастся оценить точное место записи с помощью методов визуализации. Чтобы улучшить воспроизводимость имплантата и уменьшить вариабельность результирующих сигналов, в будущих исследованиях процесс изготовления, введения и герметизации электродов может быть автоматизирован.

Важный вопрос, который необходимо более точно решить в будущей работе, будет заключаться в том, чтобы связать локализацию регистрирующих электродов с подмножествами MBEN или структур мозга, таких как центральный комплекс.Методы внеклеточной записи неизбежно ограничивают пространственное расположение. Поэтому подготовительные шаги во время отбора записанных нейронов становятся чрезвычайно важными. Технические усовершенствования, позволяющие существенно увеличить время записи, помогут физиологически охарактеризовать выбранные нейроны, исследуя батареи более сложных условий стимула до того, как препарат будет закреплен на коптере. До сих пор мы выбирали устойчивые ответы на простые двигательные стимулы до того, как пчела была прикреплена к коптеру.Таким образом, неудивительно, что анализируемые здесь MBEN коррелируют с поворотными движениями.

Наш анализ данных включает воспроизведение визуального восприятия пчел с помощью трехмерной карты, созданной до экспериментов. В отличие от записи синхронизированного видео, приближающего поле зрения медоносных пчел, непосредственно на коптер, наш подход резко сокращает объем данных, записываемых в каждом экспериментальном запуске. Однако наша модель зрения медоносной пчелы с использованием фотограмметрической модели окружающей среды не может имитировать динамический характер растительности, небесные сигналы и погодные условия.

Пчелы продемонстрировали летное поведение в виртуальной реальности (Luu et al., 2011), в среднем даже дольше, чем на нашем вертолете, несмотря на отсутствие реализма и полноты стимуляции. Хотя экспериментальные протоколы этого и нашего исследования не сопоставимы, как для дрона, так и для подхода VR в целом все еще остается вопрос: требуется ли пчелам закрытый канал обратной связи, то есть некоторый контроль над их сенсорным входом для длительного полета? Полет пчел с замкнутым контуром на виртуальных аренах еще не реализован, возможно, из-за отсутствия реалистичной мультимодальной стимуляции.Тем не менее, несмотря на то, что метод дронов предлагает именно это, он сопряжен с проблемой определения желаемого изменения позы тела пчелы в гораздо более шумных условиях — вероятно, проблема, которую лабораторный подход может решить легче. Зачем тогда продолжать разработку системы коптера? Вероятным вариантом использования в будущем может стать проверка конкретных результатов, касающихся навигации и нейронных коррелятов, которые были получены в результате установок виртуальной реальности или других лабораторных экспериментов. Функционально релевантные утверждения таких экспериментов можно проверить с помощью нашего метода.Проверка результатов экспериментов VR должна быть действительной даже при небольшом количестве пчел, если результаты согласуются. С другой стороны, эксперименты с разомкнутым контуром виртуальной реальности теперь могут исследовать, может ли аналогичная повторяемая нейронная активность, как показано здесь, быть обнаружена и в виртуальных полетах трилистника запряженных пчел. Мы с радостью поделимся всеми необходимыми данными для этого сравнения (3D-карта, траектории полета и нейронные записи).

Наша система дополняет инструментарий для изучения нейронных коррелятов естественной навигации пчел.В то время как будущие разработки лабораторных установок могут потребовать сосредоточения внимания на реалистичном мультимодальном воспроизведении окружающей среды, установки на базе дронов сталкиваются с более сложными задачами управления. Поскольку, насколько нам известно, еще не существует системы виртуальной реальности, способной регистрировать активность мозга летающих пчел, наша система может служить альтернативной отправной точкой. Чтобы поощрять продолжение этих усилий, мы полностью раскрываем это доказательство концепции, представленное здесь, с сообществом.

Наборы данных и коды, представленные в этом исследовании, можно найти в этом онлайн-репозитории: https://github.com/BioroboticsLab/neuronal_correlates_honeybee_navigation.

Взносы авторов

BP, RM и TL придумали эту идею. BP и JPe разработали и протестировали миниатюрную систему записи. JPe и TL разработали аппаратные дополнения к коптеру. BP, JPe и TM провели эксперимент по продолжительности биения крыльев. TL, BW и RM провели эксперимент наведения.JPe, BP, OK, HD, TL и IF провели нейрофизиологические эксперименты. JPe и TM создали карты дронов. BW, TS, JPe, BP и JPo проанализировали данные. Рукопись написали BP, BW, TL и RM. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Работа финансировалась грантом Фонда Клауса Чира 00.300.2016. Мы признательны за поддержку Инициативе публикаций открытого доступа Свободного университета Берлина.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Роуленд Джонсон разработал инструмент для преобразования файлов DJI-DAT в CSV. Для Neurocopter он добавил поддержку DJI Matrice 100.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fnbeh.2021.6

Сноски

Список литературы

Абрамсон, К. И., Бакби, Д. А., Эдвардс, С., и Боу, К. (1996). Демонстрация виртуальной реальности в свободно летающих пчелах: Apis mellifera . Physiol. Поведение . 59, 39–43. DOI: 10.1016 / 0031-9384 (95) 02023-3

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Интернет-сообщество Blender (2018). Blender — пакет для трехмерного моделирования и рендеринга . Интернет-сообщество Blender.

Бреуниг, М. М., Кригель, Х.-П., Нг, Р. Т. и Сандер, Дж. (2000). LOF: определение локальных выбросов на основе плотности. ACM SIGMOD Рек. . 29, 93–104. DOI: 10.1145 / 335191.335388

CrossRef Полный текст | Google Scholar

Буатоа, А., Флумиан, К., Шультайс, П., Аваргес-Вебер, А., и Джурфа, М. (2018). Передача визуального обучения между виртуальной и реальной средой у медоносных пчел: роль активного зрения. Фронт. Behav. Neurosci . 12: 139. DOI: 10.3389 / fnbeh.2018.00139

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Будаи, Д.(2004). Головной каскад и основные усилители со сверхнизким уровнем шума для внеклеточной записи спайков. Acta Biol. Сегед . 48, 13–17.

Google Scholar

Бюльманн, К., Возняк, Б., Гулар, Р., Уэбб, Б., Грэм, П., и Нивен, Дж. Э. (2020). Грибные тела необходимы муравьям для усвоенной визуальной навигации, но не для врожденного визуального поведения. Curr. Биол . 30, 3438–3443.e2. DOI: 10.1016 / j.cub.2020.07.013

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коллетт, Т.С. (2019). Интеграция пути: как детали танца виляния пчелы и стратегии добычи пустынных муравьев могут помочь в понимании его механизмов. J. Exp. Биол . 222. DOI: 10.1242 / jeb.205187

PubMed Аннотация | CrossRef Полный текст

Devaud, J.-M., Blunk, A., Podufall, J., Giurfa, M., and Grünewald, B. (2007). Использование местных анестетиков для блокировки нейронной активности и сопоставления определенных учебных задач с грибовидными телами мозга насекомого. Eur. Дж.Neurosci . 26, 3193–3206. DOI: 10.1111 / j.1460-9568.2007.05904.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Duer, A., Paffhausen, B.H., and Menzel, R. (2015). Нейронные корреляты высокого порядка социального поведения в мозге медоносной пчелы. J. Neurosci. Методы 254, 1–9. DOI: 10.1016 / j.jneumeth.2015.07.004

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Элиав, Т., Маймон, С. Р., Альджадефф, Дж., Цодыкс, М., Гиносар, Г., Лас, Л. и др. (2021 г.). Многомасштабное представление очень больших сред в гиппокампе летучих мышей. Наука 372: 6545. DOI: 10.1126 / science.abg4020

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Филла И., Мензель Р. (2015). Внешние нейроны грибовидного тела в мозге медоносной пчелы ( Apis mellifera ) интегрируют значения контекста и сигналов при выборе стимула внимания. J. Neurophysiol . 114, 2005–2014. DOI: 10.1152 / jn.00776.2014

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Го П., Ритцманн Р. Э. (2013). Нейронная активность в центральном комплексе мозга таракана связана с поворотным поведением. J. Exp. Биол . 216, 992–1002. DOI: 10.1242 / jeb.080473

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Haft, T., Fyhn, M., Molden, S., Moser, M.-B., and Moser, E. I. (2005). Микроструктура пространственной карты энторинальной коры. Природа 436, 801–806. DOI: 10.1038 / nature03721

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Харрисон Р. Р., Фотоват Х., Чан Р., Кир, Р. Дж., Ольберг Р., Леонардо А. и др. (2011). Беспроводные нейронные / ЭМГ-телеметрические системы для небольших свободно перемещающихся животных. IEEE Trans. Биомед. Circ. Syst . 5, 103–111. DOI: 10.1109 / TBCAS.2011.2131140

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хомберг, У., Хайнце, С., Пфайфер, К., Киношита, М., и эль-Джунди, Б. (2011). Центральное нейронное кодирование поляризации неба у насекомых. Philos. Пер. R. Soc. B Biol. Sci . 366, 680–687. DOI: 10.1098 / rstb.2010.0199

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Джин, Н., Ландграф, Т., Кляйн, С., и Мензель, Р. (2014). Шагающие шмели запоминают панораму и местные подсказки в лабораторных испытаниях навигации. Anim. Поведение . 97, 13–23. DOI: 10.1016 / j.anbehav.2014.08.013

CrossRef Полный текст | Google Scholar

Джин Н., Паффхаузен Б. Х., Дуэр А. и Мензель Р. (2020). Внешние нейроны грибовидного тела у шагающих шмелей коррелируют с поведенческими состояниями, но не с пространственными параметрами во время исследовательского поведения. Фронт. Behav. Neurosci . 14: 5. DOI: 10.3389 / fnbeh.2020.5

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Камхи, Дж. Ф., Бэррон, А. Б., и Нарендра, А. (2020). Вертикальные лепестки грибовидных тел необходимы для навигации на основе обзора у австралийских муравьев мирмеций. Curr. Биол . 30, 3432–3437.e3. DOI: 10.1016 / j.cub.2020.06.030

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Каушик, П. К., Ренц, М., и Олссон, С. Б. (2020). Описание поведения дальнего поиска в Diptera с использованием сложных трехмерных виртуальных сред. Proc. Natl. Акад. Sci. США . 117, 12201–12207. DOI: 10.1073 / pnas.1912124117

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Комишке, Б., Сандоз, Дж.-C., Malun, D., и Giurfa, M. (2005). Частичные односторонние поражения грибовидных тел влияют на обонятельное обучение пчел Apis mellifera L. Eur. Дж. Neurosci . 21, 477–485. DOI: 10.1111 / j.1460-9568.2005.03879.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ли, Г. Р., Гоммерс, Р., Васелевски, Ф., Вольфарт, К., и О’Лири, А. (2019). PyWavelets: пакет Python для вейвлет-анализа. J. Программное обеспечение с открытым исходным кодом . 4: 1237.DOI: 10.21105 / joss.01237

CrossRef Полный текст | Google Scholar

Макиннес, Л., Хили, Дж., И Астелс, С. (2017). hdbscan: Иерархическая кластеризация на основе плотности. J. Программное обеспечение с открытым исходным кодом . 2: 205. DOI: 10.21105 / joss.00205

CrossRef Полный текст | Google Scholar

Менцель Р. (2013). «В поисках инграммы в мозге медоносной пчелы», в Справочнике по поведенческой нейронауке , том. 22 , ред. Р. Менцель и П. Р. Бенджамин (Берлин: Elsevier), 397–415.DOI: 10.1016 / B978-0-12-415823-8.00029-0

CrossRef Полный текст | Google Scholar

Менцель Р. и Греггерс У. (2015). Структура памяти навигации у пчел. J. Compar. Physiol. А 201, 547–561. DOI: 10.1007 / s00359-015-0987-6

CrossRef Полный текст | Google Scholar

Мизунами М., Вейбрехт Дж. М. и Штраусфельд Н. Дж. (1998). Грибные тела таракана: их участие в памяти места. J. Compar. Neurol .402, 520–537. DOI: 10.1002 / (SICI) 1096-9861 (19981228) 402: 4 <520 :: AID-CNE6> 3.0.CO; 2-K

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мюллер Дж., Наврот М., Мензель Р. и Ландграф Т. (2018). Модель нейронной сети для знакомства и изучения контекста во время полетов медоносных пчел за кормом. Biol. Киберн . 112, 113–126. DOI: 10.1007 / s00422-017-0732-z

PubMed Аннотация | CrossRef Полный текст | Google Scholar

О’Киф, Дж., И Надел, Л.(1979). Гиппокамп как когнитивная карта. Behav. Мозговая наука . 2, 487–533. DOI: 10.1017 / S0140525X00064256

CrossRef Полный текст | Google Scholar

Паффхаузен, Б. Х., Фукс, И., Дуэр, А., Хиллмер, И., Димитриу, И. М., и Мензель, Р. (2020). Нейронные корреляты социального поведения внешних нейронов грибовидного тела пчелы Apis mellifera . Фронт. Behav. Neurosci . 14:62. DOI: 10.3389 / fnbeh.2020.00062

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Педрегоса, Ф., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., et al. (2011). Scikit-learn: машинное обучение на Python. J. Mach. Учиться. Res . 12, 2825–2830.

Google Scholar

Польстер Дж., Петраш Дж., Мензель Р. и Ландграф Т. (2019). Реконструкция визуального восприятия медоносных пчел в сложных трехмерных мирах. arXiv: 1811.07560 [q-bio] [Preprint]. arXiv: 1811.07560 .

Google Scholar

Кирога, Р. К., Надасди, З.и Бен-Шауль Ю. (2004). Неконтролируемое обнаружение и сортировка спайков с помощью вейвлетов и суперпарамагнитной кластеризации. Нейронные вычисления . 16, 1661–1687. DOI: 10.1162 / 089976604774201631

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Райли, Дж. Р., Греггерс, У., Смит, А. Д., Рейнольдс, Д. Р., и Мензель, Р. (2005). Маршруты полета пчел, запрограммированные в танце виляния. Природа 435, 205–207. DOI: 10.1038 / nature03526

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Рубин, А., Ярцев М. М., Улановский Н. (2014). Кодирование направления головы клетками гиппокампа у летучих мышей. Дж. Neurosci . 34, 1067–1080. DOI: 10.1523 / JNEUROSCI.5393-12.2014

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Schultheiss, P., Buatois, A., Avarguès-Weber, A., and Giurfa, M. (2017). Использование виртуальной реальности для изучения визуальных характеристик пчел. Curr. Opin. Наука о насекомых . 24, 43–50. DOI: 10.1016 / j.cois.2017.08.003

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Зайдль Р.и Кайзер В. (1981). Размер поля зрения, бинокулярная область и омматидиальный массив сложных глаз у рабочих медоносных пчел. J. Compar. Физиол . 143, 17–26. DOI: 10.1007 / BF00606065

CrossRef Полный текст | Google Scholar

Шринивасан, н., Чжан, н., Лерер, н., И Коллетт, н. (1996). Навигация пчелы на пути к цели: визуальный контроль полета и одометрия. J. Exp. Биол . 199 (Pt 1), 237–244. DOI: 10.1242 / jeb.199.1.237

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Виртанен, П., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., et al. (2020). SciPy 1.0: фундаментальные алгоритмы для научных вычислений на Python. Нат. Методы 17, 261–272. DOI: 10.1038 / s41592-019-0686-2

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Walt, S. v. D., Colbert, S. C., and Varoquaux, G. (2011). Массив NumPy: структура для эффективных численных вычислений. Comput. Sci. Eng . 13, 22–30. DOI: 10.1109 / MCSE.2011.37

CrossRef Полный текст | Google Scholar

Уэбб Б. и Вайстрач А. (2016). Нейронные механизмы навигации насекомых. Curr. Opin. Наука о насекомых . 15, 27–39. DOI: 10.1016 / j.cois.2016.02.011

CrossRef Полный текст | Google Scholar

Zwaka, H., Bartels, R., Lehfeldt, S., Jusyte, M., Hantke, S., Menzel, S., et al. (2019). Обучение и его нейронные взаимосвязи в виртуальной среде для пчел. Фронт. Behav. Neurosci . 12: 279.DOI: 10.3389 / fnbeh.2018.00279

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Деловые текстовые сообщения, Деловые текстовые сообщения

Beetexting обеспечивает лучших в своем классе текстовых сообщений для бизнеса для ваших отделов продаж и обслуживания клиентов.

СВОЕВРЕМЕННО.ЛИЧНО. ДРУЖЕЛЮБНЫЙ.

Превращение

Превращение повседневных коммуникативных задач в опыт построения отношений.

Он поможет вам составить правильное сообщение с задержкой доставки, отражением и отчетами о слушателях.

Наша платформа дает вам прямой путь к клиентам и позволяет им выбирать, как они хотят общаться.

для команд

Сотрудничество и командная работа — залог вашего успеха. Beetexting был разработан для вашей команды.

СВОЕВРЕМЕННО. ЛИЧНО. ДРУЖЕЛЮБНЫЙ.

Превращение повседневных коммуникативных задач в опыт построения отношений.

Он поможет вам составить правильное сообщение с задержкой доставки, отражением и отчетами о слушателях.

Наша платформа дает вам прямой путь к клиентам и позволяет им выбирать, как они хотят общаться.

для команд

Сотрудничество и командная работа — залог вашего успеха. Beetexting был разработан для вашей команды.

Общение с клиентами никогда не было таким простым.
Beetexting дает вам полный контроль над управлением:

Общение с клиентами никогда не было таким простым. Beetexting дает вам полный контроль над управлением:

Совместно ведите беседы и предоставляйте общий доступ к

Совместная работа над беседами и общими почтовыми ящиками, чтобы все были в курсе.

Вашему отделу продаж понравится, что они могут помечать контакты и отправлять целевые сообщения на сотни телефонов. Это мощный способ начать сотни отдельных разговоров с помощью одной простой функции.

Beetexting, ориентированные на команду, позволяют с легкостью работать в команде и обслуживать клиентов.Когда ваша команда переписывается с клиентами, они довольны!

Нас вдохновляет то, как весь улей взаимодействует и взаимодействует в совершенной гармонии. Прочтите историю нашего бренда и узнайте, как командные текстовые сообщения лежат в основе того, что мы делаем.

Нас вдохновляет то, как весь улей взаимодействует и взаимодействует в совершенной гармонии. Прочтите историю нашего бренда и узнайте, как командные текстовые сообщения лежат в основе того, что мы делаем.

Ваше место, чтобы прочитать нашу последнюю дорожную карту продукта, бесплатные ресурсы и
лучших отраслевых практик для командных текстовых сообщений бизнес-класса.

Как владельцу детских учреждений, бывают случаи, когда нам нужно передать своим родителям сообщения, которые, как мы знаем, они сразу же увидят.Электронная почта или телефонные звонки просто не подходят. Наша команда любит использовать Beetexting! Он прост в использовании, и нашим клиентам (занятым родителям) нравится, что мы можем писать им сообщения!

Лиза Кроуфорд

Владелец, центры по уходу за детьми Pumpkin Place и Little Oaks

«Ничего себе! Мое ​​взаимодействие с клиентами и взаимодействие с ними значительно улучшились с тех пор, как я начал использовать приложение Beetexting.Beetexting удобен в использовании и изменил правила игры для моего малого бизнеса. Спасибо! «

Джефф Левертон

Владелец, Midwest Man Caves

Beetexting предоставил Рейнхарту лучший способ получения платежей по кредитным картам от наших клиентов. Мы можем отправить нашим клиентам текстовую ссылку с реквизитами счета, чтобы они могли безопасно произвести оплату.Для Рейнхарта было большим подспорьем предоставить эту возможность нашим клиентам! Они ценят простоту процесса!

Дженнифер Полли

Административный менеджер, Reinhart Grounds Maintenance, Inc.

«Beetexting НАКОНЕЦ дал мне возможность сохранить свой мобильный номер в тайне, а также получить помощь в продажах от моей команды.Теперь мы можем справляться с большим количеством получаемых текстовых запросов и привлекать к работе нескольких торговых представителей в зависимости от того, кто готов ответить быстрее всех. Beetexting сочетает в себе базовые функции электронной почты и CRM с текстовыми сообщениями и представляет собой мощную комбинацию, которая помогает мне работать более продуктивно! »

Эрик Барнлунд

Генеральный директор, Mavidea Technology Group и Maxlider Brothers Customs

Сотрудничество с лидерами отрасли для поддержки каждого аспекта обслуживания клиентов.

⚡️ Напишите нам в чат! ⚡️
(309) 605-0390

ГЛОБАЛЬНЫЙ ПРОТИВНИК

10 декабря 2020 г.

Линда Кирнан, Global AgInvesting Media

После успешного мониторинга более 20 миллионов медоносных пчел по всему миру ирландский новатор в области мониторинга пчел ApisProtect (Apis — латинское слово для пчелы) объявил о том, что U.S. запуск своей коммерческой платформы для мониторинга медоносных пчел.

Основанная выдающимися исследователями, в том числе генеральным директором доктором Фионой Эдвардс Мерфи, ApisProtect преследует важнейшую и непоколебимую цель — защитить мировые запасы продовольствия путем защиты пчел.

Министерство сельского хозяйства США отметило, что популяция пчел в Северной Америке сокращалась с 1940-х годов, но это было чуть более 10 лет назад, когда разразился кризис, когда были потеряны тысячи ульев, и новое заболевание было названо расстройством коллапса колонии.

Таинственным образом рабочие пчелы внезапно покидали улей, оставляя позади матку, выводок или молодых пчел, несколько пчел-кормилиц и полные запасы пыльцы и меда. Однако улей не может нормально функционировать без рабочих пчел и скоро умрет.

В сезоне 2006/2007 пчеловоды начали сообщать о потерях от 30 до 90 процентов своих ульев без видимой причины. Была проделана большая научная работа в попытке обнаружить первопричину, но пчелы и их хозяева все еще борются.

Эту проблему усугубляет тот факт, что в период с 2008 по 2013 год разнообразие диких пчел в США также сократилось на 23 процента.

«Имеются неоспоримые доказательства того, что сотни местных пчел, от которых мы зависим в плане стабильности экосистемы, а также услуги опыления на миллиарды долларов, стремительно вымирают», — сказала Келси Копек, местный исследователь опылителей из Центра биологического разнообразия. и автор книги «Опылители в опасности: систематический обзор статуса коренных североамериканских и гавайских пчел», опубликованный в марте прошлого года.«Это тихий, но ошеломляющий кризис, разворачивающийся прямо у нас под носом…»

Да здравствует королева

Традиционно, чтобы измерить здоровье и состояние своих ульев, пчеловоды должны были полагаться на ручные проверки ульев, которые отнимают много времени и являются дорогостоящими. Однако проблема глубже, чем время и деньги. Исследование, проведенное ApisProtect, показало, что 80 процентов этих проверок вручную не требуют каких-либо действий, но могут нарушить работу пчел и поставить под угрозу королеву.

Революция в этой системе — ApisProtect.

со штаб-квартирой в Корке, Ирландия, и с растущей командой в США, ApisProtect поддерживается кадрами ведущих международных венчурных инвесторов, включая Finistere Ventures, Radicle Growth, Enterprise Ireland, Atlantic Bridge Capital и Yield Lab.

Под руководством доктора Фионы Эдвардс Мерфи и ее отмеченного наградами исследования ApisProtect использует Интернет вещей (IoT) для мониторинга пчелиных семей посредством мониторинга ульев в реальном времени с помощью спутниковых датчиков, которые устанавливаются на существующие ульи.Затем компания применяет собственные методы работы с большими данными и машинным обучением для преобразования собранных необработанных данных в ценную информацию и практические идеи.

Используя эту платформу, пчеловоды могут безопасно выявлять болезни, вредителей и другие проблемы и реагировать на них до того, как будет нанесен значительный ущерб. Это, в свою очередь, позволит создать более крупные колонии и снизить потери ульев.

«Наша научно обоснованная технология мониторинга медоносных пчел позволяет пчеловодам более эффективно управлять своими пасеками, сокращать затраты на рабочую силу и транспорт и сосредоточиться на выращивании более крупных и сильных семей», — сказал д-р.Эдвардс Мерфи, генеральный директор ApisProtect. «Используя ApisProtect, пчеловоды могут зарабатывать дополнительно 98 долларов за каждый улей в год».

В Штатах

Во время испытаний, в ходе которых было отслежено более 20 миллионов медоносных пчел в мире, ApisProtect стал движущей силой ряда операционных улучшений, которые привели к повышению производительности и увеличению количества ульев. Эти преимущества, которые включают повышение эффективности труда на 50 процентов и снижение транспортных расходов во время опыления до 25 процентов, теперь смогут использовать пчеловоды в США.С.

«Мы предоставляем пчеловодам мгновенный отчет о состоянии каждого улья, чтобы они могли определить сильные ульи и отправиться в миндальные сады», — сказал Падрайг Велан, доктор философии, главный научный сотрудник ApisProtect. «Это гарантирует, что пчеловоды смогут выполнять свои контракты на опыление, получать бонусы и повышать продуктивность производителей. ApisProtect работает с пчеловодами, чтобы убедиться, что у них самые крепкие ульи, чтобы максимизировать доход от сезона опыления. Что особенно важно, мы даем пчеловодам контроль над своей информацией и данными, позволяя им максимизировать ценность своей работы.”

Через свой офис продаж в США компания теперь может поддерживать миграцию ульев в Калифорнию до критического периода опыления миндальных садов штата. Ранние пользователи смогут адаптировать технологию к своим конкретным потребностям в будущем сезоне, однако цены будут зависеть от множества факторов, таких как количество ульев и местоположение.

Желающие могут посмотреть установку технологии мониторинга пчел ApisProtect здесь.

— Линда Кирнан — редактор GAI Media, а также управляющий редактор и ежедневный участник еженедельных новостей AgInvesting от Global AgInvesting и новостей Agtech Intel News, а также новостей Oilseed & Grain News от HighQuest Group.Она также является автором «Вестника ГАИ». С ней можно связаться по адресу [email protected] .

платформ социальных сетей | Пчеловодство

Через день появляются новые.

Автор: Джессика Далли

Для малого бизнеса огромное количество торговых точек может показаться ошеломляющим, и это действительно так! Так что есть еще варианты, кроме Facebook? И стоит ли это того?

Давайте начнем с самого главного вопроса: стоит ли какая-либо из этих платформ?

Этот вопрос имеет гораздо большее отношение к ВАМ и вашему бизнесу, чем к чему-либо еще.Как и в любой другой сфере вашего бизнеса, если вы что-то не делаете хорошо, ответ всегда будет: нет, оно того не стоит. Даже если ваши конкуренты ведут успешный бизнес на платформе, никакие плохо проведенные маркетинговые операции не сделают платформу стоящей вашего времени. Поэтому, если вы не собираетесь делать что-то хорошо, часто лучше вообще этого не делать.

И все же некоторые из этих платформ вполне могут подойти вам больше, чем другие. Некоторые люди просто более наглядны, чем другие. Или может случиться так, что вам нравится снимать короткие видеоролики, и вы просто естественны перед камерой.Может быть, вам нравится фотографировать своих пчел и свой продукт. Что бы вы ни делали хорошо, вы могли бы также извлечь из этого выгоду, верно? Что еще более важно, каждая из этих платформ может помочь в вашем маркетинге на большом канале — FACEBOOK! Создавая контент на одной платформе, вы можете повторно использовать этот контент на Facebook. Это беспроигрышный вариант!

Так какие еще большие платформы существуют?

Instagram

Instagram

Один из моих любимых инструментов.Заметьте, я не сказал платформы?!? Честно говоря, я использую Instagram в основном для того, чтобы сделать не такие звездные фотографии НАМНОГО лучше. Размыв или затемнив фон или немного изменив цвет изображения, вы можете превратить обычное изображение в нечто гораздо лучшее. Конечно, было бы здорово, если бы у меня была профессиональная камера и я бы делал более профессиональные снимки. Но я этого не делаю и не могу, поэтому пока я буду использовать свой телефон и мошенничать, используя Instagram и фотофильтры, чтобы сделать то, что у меня есть, работать. Ты тоже можешь.

Пока вы занимаетесь этим, почему бы и там не увеличить число подписчиков !? Как? По хэштегам! Особенность Instagram в том, что он ЖИВЕТ на хэштегах.Каждое слово, которое вы можете придумать, — это хэштег. Но используйте их с умом и хорошо. # пчеловодство может быть очевидным. И, конечно же, если вы фотографируете своего меда, то # мед — очевидный случай. #delicious вполне может быть другим. Но есть множество других хэштегов, которые вы можете использовать…

Вот краткий список:

# пчелы # медоносные пчелы # пчеловодство # пчеловоды #queencell # улей # пчелиный улей # мед # медоносные пчелы # городское пчеловодство # пчеловодство # природа # дикая природа # оплодотворение # цветы # сад # пчелиный улей # спасти пчел # пчелы изинстаграм # инстаби

И, конечно же, не забывайте, в каком городе вы находитесь, и название вашей компании!

Чтобы узнать больше, вы можете использовать Instagram, чтобы найти других, выполнив поиск по этим хэштегам в Instagram и выяснив, кто их регулярно использует.Найдите кого-нибудь, что кажется интересным? Следуйте за ними и учитесь, наблюдая за тем, что они делают!

Instagram занимает первое место в этом списке, потому что, честно говоря, это, вероятно, самая простая платформа в использовании. На самом деле это просто картинки, и в этом нет ничего особенного. Чтобы научиться делать это хорошо, вы действительно можете просто следовать за другими и смотреть, что они делают. Самое важное, что нужно помнить, — это использовать хэштеги. Так люди смогут тебя найти!

Pinterest

Pinterest

Pinterest — это, по сути, альбом для вырезок, в котором люди думают, что это круто.Тем не менее, люди продают МНОГО вещей через Pinterest. Однако эта платформа лучше всего подходит для тех, кто умеет продавать онлайн. Ваш местный магазин может преуспеть здесь, но вам будет намного лучше, если вы найдете способ отправить товар. Так в чем же ключ к продажам на Pinterest? Так же, как и в Instagram, сделайте свои фотографии красивыми! Никто не хочет покупать что-то некрасивое.

Это ничем не отличается от покупки любой крупной покупки, которую вы можете совершить. Подумайте о тех картинках, на которые вы смотрите, когда покупаете дом.Вы хотите увидеть что-то красивое. Используйте фильтры и найдите способы создать хороший фон и макет, чтобы выделить ваш продукт. Уберите ненужный мусор с изображения или сделайте его крутым, а не сделайте его хулителем продукта.

Еще лучший трюк? Используйте фильтры Instagram, чтобы создать картинку для своей доски Pinterest! И если вы видели мою последнюю статью, вы можете использовать Canva для создания графики для Pinterest! Вы также можете создавать в Canva обучающую графику для Pinterest и использовать ее для продажи.Чем ваш продукт лучше? Посчитаем пути!

Pinterest занимает второе место, так как им труднее пользоваться, но не так уж и плохо. Это занимает больше времени, чем Instagram, но для некоторых это очень весело. И вам не нужно создавать весь свой собственный контент. Вы можете «переписывать» вещи других людей. Это действительно похоже на альбом для вырезок. Просто убедитесь, что вы указываете кредит там, где он должен быть зачислен, и что все ваши пины возвращаются к первоисточнику. Вы бы не хотели, чтобы люди крали ваши вещи, поэтому не делайте этого ни с кем!

На моей странице в Pinterest ( http: // www.pinterest.com/jessicadally ) есть доска с подсказками и хитростями, на которые вы можете посмотреть. У меня также есть доска под названием «Потрясающие инструменты» с некоторыми отличными инструментами для малого бизнеса, путешественников и других. Я обнаружил несколько интересных вещей, которые могут помочь вам в ведении бизнеса. Проверьте их обоих!

YouTube

YouTube

МНОГО молодых людей, особенно молодых людей, ОБОЖАЮТ видео. Тем не менее, создание контента здесь может занять особенно много времени.И вам нужно решить, собираетесь ли вы искать более качественный контент или просто записывать ход мыслей и базовое видео, которое не идеально. Любой из них может работать, а обучающие видеоролики помогут вам зарекомендовать себя в качестве эксперта.

Если вы хотите встать перед камерой, нет причин, по которым вы не должны этого делать. И помните, неотшлифованные видео — это не плохо.

Действительно, более низкое качество помогает сделать вас настоящим человеком, в отличие от чего-то очень изысканного. Но обязательно купите приличный штатив (даже какую-нибудь мелочь, чтобы ваше видео не было резким!) И убедитесь, что качество вашего звука не ужасное.Поэкспериментируйте и не выкладывайте сюда ничего онлайн. Убедитесь, что это то, что вы хотите посмотреть.

Как и на многих других платформах, убедитесь, что вы помечаете свои видео соответствующими тегами. Подобно Instagram, люди будут использовать это, чтобы находить ваши видео. Самое важное, что нужно запомнить? Вещи, которые кажутся вам простыми, сложны для других, особенно когда дело касается пчеловодства! Не забывайте объяснять то, что новичок может не понять. Или, наоборот, если вы делаете видео для более опытного пчеловода, убедитесь, что в описании видео указано, что новички не будут разочарованы вашим контентом!

Включена последней (ish), эта платформа может занять больше всего времени.Некоторым будет легко создавать контент для YouTube. Для других это платформа, которую стоит пропустить. Это действительно зависит от вас, сможете ли вы справиться с этим или нет. Если вам нравится находиться перед камерой, во что бы то ни стало, СДЕЛАЙТЕ ЭТО!

Google+

Google+

Честно говоря, эта платформа почти не существует, и все же многие маркетологи все еще публикуют здесь по одной причине, и только по одной причине — это может помочь с результатами поиска в Google. Если у вас есть веб-сайт, и вы действительно хотите получать хорошие оценки, когда люди ищут ваш продукт, один из способов получить дополнительную оценку, так сказать, — это опубликовать контент на своей странице в Google +.Конечно, вам нужно, чтобы он был связан с вашим веб-сайтом, и вам необходимо правильно подтвердить свой бизнес. Но если у вас есть время, чтобы справиться со всем этим, неплохо было бы публиковать некоторый контент здесь и там в Google+. Это действительно может помочь вашему бизнесу.

Тем не менее, ваших фанатов, скорее всего, на самом деле нет. . . это действительно чисто деловой ход. Так что не волнуйтесь, когда у вас нет множества лайков и репостов. Это не то, что вы пытаетесь сделать. И без этой обратной связи будет сложно сохранять мотивацию.Но если вам удастся продолжить, это действительно может помочь с вашими обычными результатами поиска в Google. По этой причине это последняя платформа в списке. Очень сложно не забыть публиковать здесь сообщения.

Прочие

Есть БЕСКОНЕЧНО других платформ. Если есть что-то, что вам нравится, и вы будете делать это регулярно, во что бы то ни стало, СДЕЛАЙТЕ ЭТО. Нет причин не делать этого. Просто запомните несколько простых ключей к решению, где быть, когда дело доходит до вашего бизнеса…

«ПРАВИЛА»

1) Помните — ваши бизнес-страницы предназначены для вашего бизнеса — публикуйте личную политику и мнения на своей личной странице.У вашего бизнеса вполне может быть политика — и это нормально. Но убедитесь, что все, что вы публикуете на своей бизнес-странице, действительно ДЛЯ ВАШЕГО БИЗНЕСА! Не делайте ошибки, смешивая свое личное мнение со своим бизнесом. Это может быть тонкая грань для шага, поэтому просто подумайте на секунду, прежде чем размещать ее.

2) НЕ быть везде. ДА, повсюду большой, огромный бизнес. Угадай, что? У них ОГРОМНЫЙ отдел маркетинга. С МНОГИМИ людьми, управляющими всеми этими платформами.Мы говорим о человеке для каждой платформы, а может, и о большем! У тебя этого нет. Так что выбирайте платформы, которые вам нравятся и которые вы будете регулярно делать. Если это всего лишь один, то, вероятно, это должен быть Facebook. Но если вы ненавидите Facebook, выберите тот, который вам нравится. И придерживайся этого. Если ваш бизнес страдает, возможно, вам придется сделать что-то, что вам не нравится, или найти кого-то, кто поможет вам с этим и заплатит им. Но НЕ думайте, что быть повсюду лучше, чем хорошо справиться с одним или двумя. Больше не лучше; это просто нечто большее.И часто это означает, что делать много вещей очень плохо.

3) Не заблуждайтесь, думая, что вы можете нанять кого угодно, чтобы он общался за вас. Это самая большая ошибка, которую я вижу в этой области. Тот факт, что кто-то пользуется социальными сетями, не означает, что они знают, как продавать в социальных сетях. Использование социальных сетей и маркетинг в социальных сетях — это совсем другое дело, ребята. Я не могу сказать, сколько миллениалов, которых я обнаружил, не знают об основных инструментах маркетинга в социальных сетях.Если вы собираетесь нанять кого-то, нанимайте профессионала, а не соседского ребенка. Да, соседскому ребенку можно платить меньше, но вы получаете то, за что платите!

4) Если вы не знаете, как пользоваться платформой, найдите кого-нибудь, кто сможет научить вас. Многие хорошие маркетологи проведут уроки по использованию этих платформ. Вам не обязательно платить кому-то, кто сделает это за вас. Но вы можете заплатить кому-нибудь, кто научит вас делать это хорошо. Скорее всего, деньги потрачены не зря.

5) # 2 снова… нет уж, НЕ быть везде.Я знаю. Я уже сказал это. У вас небольшой бизнес. Честно говоря, ты не можешь быть везде. Не делай этого!

Какие платформы вас больше всего интересуют? Какие платформы вы пробовали? Давай поговорим! Дайте мне знать на Twitter @jessicadally , на Instagram @jessicadally или на Facebook на JessicaDallyConsulting .

Bee Informed Partnership — Использование реального опыта пчеловодов для решения реальных проблем пчеловодов

Наша миссия

Bee Informed Partnership Inc (BIP) — это национальная некоммерческая организация 501 (c) (3), использующая научно обоснованные и основанные на данных подходы для улучшения здоровья и долгосрочной устойчивости медоносных пчел ( Apis mellifera ), других растений. опылители и экосистемы, от которых они зависят.

Партнерство Bee Informed Partnership направлено на работу с пчеловодами для улучшения здоровья колонии и увеличения выживаемости колонии. Мы предоставляем актуальные и своевременные данные, которые помогают пчеловодам принимать обоснованные управленческие решения. Наша работа приносит пользу пчеловодам всех отраслей, от крупных до мелких.

Мы собираем данные опросов тысяч пчеловодов каждый год и собираем более 10 000 полевых проб каждый сезон, чтобы понять, как различные методы управления, корма, вредители, болезни, питание и другие факторы окружающей среды влияют на здоровье медоносных пчел.Затем вам сообщат об этих результатах. Мы предоставляем образовательные ресурсы и информацию для населения и пчеловодов о важности медоносных пчел для наших продуктов питания и о проблемах, влияющих на здоровье медоносных пчел. Вы можете просмотреть наши данные, посетив наш популярный исследовательский портал.

Вы можете узнать больше о предоставляемых нами услугах, таких как наши наборы для диагностических тестов или планирование и проведение крупных полевых испытаний. Перейдите в наш блог, где вы прочитаете последние отчеты наших технических специалистов, нашей диагностической лаборатории и нашей ИТ-команды.Узнайте, как вы можете внести свой вклад в гражданскую науку с помощью Sentinel и других программ.

Наша организация построена на коалиции исследователей, консультантов и заинтересованных сторон из различных секторов отрасли, которые полагаются на медоносных пчел для опыления и производства меда. Мы сотрудничаем как с отечественными, так и с международными инициативами, чтобы оказать наибольшее влияние и работать с нашими партнерами по всему миру. Мы являемся некоммерческой организацией 501 (c) (3), The Bee Informed Partnership, Inc. ^СМ

Недавние сообщения

Колония пчел способна производить мед из потрясающего разнообразия цветочных источников, но несколько лет назад, когда пчеловод из Нью-Йорка сказал мне, что его пчелы собирают хороший осенний урожай на бамбуке, я был немного озадачен. Зная, что бамбук принадлежит к…

Читать дальше →

Любой, кто был вовлечен в пчеловодство, быстро понимает, что здесь задействовано много «вещей», особенно вещей, которые используются только часть года и должны храниться до конца.