Real-Time IoT-Blynk Application for Log Hive Weight Monitoring in Stingless Bees
Notice bibliographique
Résumé
The paper aims to develop a weight-sensing system and monitoring platform to track the activity patterns of a stingless bee colony using a weight-sensing system that consists of an Arduino Mega, a NodeMCU ESP8266, and load cell as weight sensors with a Real-Time Clock (RTC) module.The system was designed with an improved weight sensor that includes triangle or delta positioning and placement for greater stability on the log hive.It also featured real-time mobile monitoring via the Blynk application, which sends weight measurements continuously via Wi-Fi.It shows that the weight fluctuations indicate that the stingless bees are most active in their foraging activities between 9:00 and 13:00, with occasional activity between 21:00 and 22:00, gathering food sources to produce honey or beebread.Consequently, analysing the daily pattern of weight measurements using a correlation analysis throughout a week enable beekeepers to observe their diverse foraging patterns.These patterns can be strongly linked to the movements of active bees, human interference, or environmental errors when the correlation value approaches one.The findings of this research can assist beekeepers in understanding routine activities by observing the foraging patterns of stingless bees, which could reveal valuable insights regarding bee health and honey production levels and help detect a decline in the bee colony.This can be achieved by utilising Internet of Things (IoT) technology to enhance hive management practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».