Сегодня этот подвид находится на грани исчезновения из-за массового скрещивания с ввозимыми из других стран породами пчел, потому что потомство теряет способность выживать в суровых климатических условиях.

В России сохранением темной лесной пчелы занимаются не больше 4–5 энтузиастов: кто-то ведет селекцию, кто-то поддерживает чистоту подвида, разводя и распространяя пчелиные семьи. Однако такая форма сохранения уязвима и нестабильна.

По мнению команды проекта, единственная надежная стратегия — возвращение подвида в его естественную среду обитания, например, на территорию Окского государственного заповедника. Это позволит создать устойчивую популяцию в условиях, к которым пчелы приспособлены эволюционно. В дикой природе, без вмешательства человека, они смогут благоприятно существовать и восстанавливать численность.

Для реализации этого замысла необходимо с научной точностью подтверждать принадлежность пчел к нужному подвиду, чтобы исключить риск скрещивания с другими подвидами и утраты уникальных черт темной лесной пчелы.

Определением подвидов медоносных пчел исследователи и практики занимаются уже больше ста лет. В наше время одной из самых точных и общепризнанных методик считается анализ жилкования (системы жилок) крыла. Вначале измеряются отрезки между пересечениями жилок на крыле, а затем вычисляются индексы — как отношения длин этих отрезков. На основе совокупности индексов делается вывод о принадлежности пчелы к тому или иному подвиду. Этот метод активно применяется как в селекции, так и в проектах по сохранению биоразнообразия.

Однако на практике такой анализ требует много времени. Чтобы изучить одну пчелиную семью, специалист должен аккуратно, в большом разрешении отсканировать 30–50 крыльев и на каждом сканированном изображении вручную, с высокой точностью расставить по 12 точек. Для анализа одной семьи необходимо 600 точек! На все уходит до часа работы, а таких семей может быть множество, иногда до 100.

Есть и попытки автоматизации: например, сервис DeepWings https://deepwings.ddns.net/ (Португалия), разработанный группой ученых в рамках исследования. Он расставляет точки автоматически, но качество работы оставляет желать лучшего — точки расставляются неточно, результаты непригодны для реальных задач.

Команда Ассоциации естественного пчеловодства сумела создать собственный инструмент, аналогов которому пока нет, объединив в нем сильные стороны уже существующих решений и существенно их доработав. Алгоритмы машинного зрения позволили научить нейросеть «видеть» крыло так, как это делает эксперт. Машинное (компьютерное) зрение — это технология, которая позволяет компьютеру «видеть» и анализировать изображения или видео почти так же, как это делает человек. Все это происходит с помощью камер, алгоритмов и нейросетей, обученных понимать визуальную информацию.

Программист, специализирующийся на нейросетях, в течение полугода тестировал различные архитектуры и подходы, чтобы достичь нужной точности. В пересчете на минимальные трудозатраты, объем работы программиста можно оценить примерно в 1,5 млн рублей, а остальных членов команды — примерно в 1 млн рублей.

Экономическая ценность решения — в высокой точности, унификации и сокращении времени анализа.
Сейчас технология является полностью работоспособной и проходит этап тестирования. Для того чтобы запустить ее в широкое использование, требуется веб-версия с сервером для работы нейросети, личными кабинетами пользователей, базами данных. Команда активно ищет возможности для привлечения финансирования, чтобы сделать эту разработку доступной для всех, кто работает в сфере пчеловодства и биоразнообразия.

В условиях, когда исследования и некоммерческие инициативы по теме биоразнообразия пчел, к сожалению, редко вызывают интерес, сам факт появления этого решения выглядит почти невероятным. Решение имеет потенциал стать прорывом в международной профессиональной сфере пчеловодства