Smart Beehives

Проблема, которую видно только когда уже поздно

Пасечник узнаёт о болезни, голодании, роении или ослаблении пчелиной семьи чаще всего с опозданием. Единственный способ проверить — открыть улей руками. Это тревожит пчёл, отнимает время и всё равно не гарантирует, что проблему заметят вовремя. На пасеке в несколько сотен ульев — а именно столько бывает у крупных хозяйств — обойти все физически невозможно.

«Вымирание пчёл ставит под угрозу всю экосистему земли и мировое продовольствие» — команда открывает питч не с устройства, а с масштаба последствий.

Что придумали

Beelieve — не новый улей, а доступное дополнение к тем, что уже стоят на пасеке. В этом и есть ключевое отличие от прямых конкурентов: команда сознательно отказалась от идеи «умного улья» как отдельного дорогого продукта в пользу ретрофит-модуля.

Модуль снимает вес, температуру, влажность и звук — и по изменению этих четырёх сигналов определяет состояние семьи без вскрытия. Устройство протестировано на 11 ульях на четырёх разных пасеках, собранные данные легли в обучение собственной модели.

Как это началось

«Искра появилась, когда мы поняли, что пчеловоды принимают многие решения на основе периодических осмотров и собственного опыта. При этом внутри улья каждый день происходят изменения, которые можно увидеть через вес, температуру, влажность и звук».

Главный провал: слишком много идей одновременно

«Наша главная ошибка заключалась в том, что сначала мы хотели добавить слишком много функций. Мы рассматривали камеру, солнечную панель и большое количество датчиков. На презентации это выглядело впечатляюще, но в реальном продукте повышало стоимость, энергопотребление и вероятность поломки».

В помещении датчики показывали хорошие результаты — в реальных условиях начинались проблемы: погрешность весов, обрывы связи, необходимость защищённого корпуса, требование к автономности батареи на долгий срок.

«Мы поняли, что хорошее изобретение определяется не количеством функций. Оно должно стабильно решать главную проблему пользователя». Отказались от части идей, сосредоточились на весе, температуре, влажности, звуке, связи и предупреждениях.

В аудио-интервью команда называет и способ, которым это выяснилось, — а он для книги ценнее самого вывода:

«Добавить камеру, добавить солнечную панель — но для самого пчеловода это абсолютно нерелевантные идеи. Всё может решиться одним разговором с твоим потенциальным клиентом».

Разбор изобретателя

Метод-этап	Сокращение фичей после того, как прототип столкнулся с реальностью пасеки
Что сработало	Свести систему к четырём измеримым сигналам (вес/температура/влажность/звук) вместо погони за «эффектным» набором функций
Что не сработало	Проектирование по принципу «чем больше, тем лучше» — камера, солнечная панель и множество датчиков одновременно, без проверки, что каждая функция решает проблему пользователя
→ Инструмент Части 2	Тест на слайд-фичу: «эта функция решает главную проблему пасечника — или просто хорошо смотрится на презентации?»

Где проект сейчас

По словам питч-видео, команда обучила собственную модель на библиотеках NumPy и Keras и заявляет 95% точности предсказания состояния улья, а также внедрила Computer Vision (OpenCV) для распознавания паразитов по изображению с камеры в улье.

Найденное аудио-интервью показывает шаг, которого не было в прежних источниках и который для книги важнее наград: после конкурса устройство поставили на настоящую пасеку и оставили там на 35 дней. Не демонстрация на стенде, а проверка того, доходят ли данные с живых ульев и как блок ведёт себя в поле. Именно это, по словам команды, и стало главным доказательством — что прибор дошёл «до настоящих ульев и настоящих пользователей».

Дальше — вторая версия устройства: компактнее, надёжнее, пригодная к массовому производству, которого пока нет — почти все прототипы собраны вручную. Расширение планируется на север и северо-запад Казахстана. В планах — сотрудничество с пчеловодческими объединениями, крупными пасеками и хозяйствами, использующими пчёл для опыления садов.

После конкурса участники получили: Айдархан Амирхан — поступление в Swarthmore University; Жангерей Бекбулат — поступление в Yale University; Адилет Даулети — оффер в Higgsfield, первом единороге Казахстана. Проект также получил награду «AI Sana Generative Nation — Best Student AI Startup» от Президента РК.

После конкурса: часть участников продолжила обучение — в поиске фигурирует University; есть следы предпринимательской траектории (стартап-роли в публичных профилях). Имена участников не публикуются.

Потенциал развития

Взгляд со стороны: чем этот проект может стать, если довести его до продукта. Это аналитическая гипотеза редакции, а не заявление команды — менторской сессии по проекту в архиве не найдено, поэтому направления выведены из самой технологии, а не из стратегического разбора.

Ценность Beelieve не в самом модуле — такой корпус с датчиками повторит любая мастерская. Ценность в паре «обученная модель + датасет с реальных пасек»: команда уже собрала данные с 11 ульев и заявляет 95%-ную точность предсказания состояния семьи. Это редкий актив — размеченные данные о поведении пчелиной семьи в норме и при угрозе почти нигде не существуют в открытом доступе.

Модель дохода такого продукта логично устроена вокруг подписки на мониторинг (данные ценнее разового устройства), а не разовой продажи модуля — иначе бизнес обнуляется в момент, когда пасечник купил датчик один раз.

Направления, куда это масштабируется

Направление	Что переиспользуется	Пример применения
Промышленное опыление садов	Та же модель раннего предупреждения о состоянии семьи	Хозяйства, использующие пчёл для опыления, — прямая цель, уже названная самой командой
Точный агромониторинг без интернета	Комбинация вес/температура/влажность/звук как универсальный низкоэнергетический сенсорный пакет	Удалённые фермерские объекты, где важно мониторить состояние без постоянного подключения
Компьютерное зрение для выявления вредителей	Та же CV-модель распознавания клещей и жуков	Применимо к диагностике других сельскохозяйственных вредителей по изображению, не только в улье
Датасет как обучающий актив	Размеченные данные о состоянии пчелиной семьи	Лицензирование данных другим агротех-разработчикам, институтам, занимающимся сохранением популяции пчёл

Что нужно доказать. Первое — точность модели 95% заявлена по ограниченному пилоту (11 ульев), нужна проверка на планируемых 100 ульях в разных условиях. Второе — экономику ретрофит-модуля в серии: сколько стоит один комплект и готовы ли пасечники платить за него или за подписку на данные. Третье — снимается ли противоречие с камерой: если CV для паразитов действительно работает, это меняет и себестоимость, и позиционирование продукта.

Что советуют тем, кто начинает

«Не жди идеальной идеи. Найди настоящую проблему и сделай первую работающую версию решения».

«Изобретать — это…»

«Изобретать — это замечать проблему раньше, чем все привыкнут с ней жить».

Официальное описание

Формулировка организатора с сайта конкурса solvefortomorrow.kz — приводится как есть, это не текст редакции.

О важности пчел для людей и планеты напомнили ребята из команды Beelieve. Ведь эти насекомые отвечают сегодня за опыление примерно трети растений, которыми мы питаемся. Однако им грозит вымирание. Чтобы уберечь их, юные разработчики презентовали инновационный улей. Используя модули LoRa и ИИ можно отслеживать показатели темературы, влажности, пестицидов и наличие паразитов на пасеке и далее устранять опасности. Некоторые казахстанские пчеловоды высоко оценили «умный» улей и планируют применять такой подход.

Место: 3 место · Тараз, НИШ ФМН