Nästan en miljon ljudinspelningar

Forskarna samlade in omkring 960 000 tidsstämplade ljudinspelningar från 53 bisamhällen. Inspelningar som tidsmässigt kunde kopplas till fältmätningar av varroa under maj–augusti 2020 användes för att utveckla modellerna.

Ur ljudmaterialet analyserades 19 akustiska egenskaper, baserade på bland annat olika frekvensband och ljudintensitet. Därefter testades flera maskininlärningsmetoder för att avgöra om ljudbilden kunde avslöja förekomsten av varroa.

Nästan 90 procents träffsäkerhet

Bäst resultat gav modellen Random Forest med 89,7 procents accuracy och AUC 0,964. XGBoost nådde 82,4 procent och LightGBM 77,0 procent.

Särskilt intressant var att vissa frekvenser visade sig vara mer betydelsefulla än andra. Ljud inom ungefär 122–396 Hzframträdde som känsliga indikatorer på varroaförekomst. Det tyder på att angrepp faktiskt kan avspeglas i bisamhällets samlade akustiska miljö.

Vad fyndet kan innebära

Traditionell kontroll av varroa kräver normalt någon form av aktiv provtagning eller inspektion. Akustisk övervakning erbjuder en helt annan möjlighet: en mikrofon eller sensor skulle i princip kunna lyssna kontinuerligt på samhället utan att biodlaren behöver öppna kupan.

Det skulle kunna ge tidigare varningar och göra det möjligt att rikta kontroll och behandling mot samhällen där det faktiskt finns anledning att misstänka problem.

Potential för svenska och nordiska biodlare

För svensk biodling är den kanske mest intressanta möjligheten inte att ljudanalys omedelbart ersätter dagens varroakontroller, utan att den kan utvecklas till ett automatiskt beslutsstöd.

En framtida sensor skulle exempelvis kunna följa varje samhälle kontinuerligt och varna när ljudbilden förändras på ett sätt som motiverar en närmare kontroll. Därmed kan biodlaren koncentrera provtagning och eventuella behandlingar till rätt samhällen vid rätt tidpunkt.

Det är särskilt intressant i större biodlingar, där kontinuerlig manuell kontroll av varje samhälle är arbetskrävande.

Lovande – men ännu inte en färdig varroamätare

Resultaten ska samtidigt tolkas försiktigt. Studien visar att modeller kan klassificera varroaförekomst utifrån akustiska mönster under de studerade förhållandena. Det är inte samma sak som att tekniken redan kan ange ett exakt kvalstertal eller utan vidare användas som ersättning för etablerade kontrollmetoder.

Nästa viktiga steg blir därför validering i andra miljöer, med andra bistammar, klimatförhållanden och praktiska biodlingssystem.

Men studien ger ett ovanligt konkret belägg för något som länge fascinerat både biodlare och forskare: bisamhällets ljud innehåller information om vad som händer inne i kupan – och AI kan hjälpa oss att tolka den.

Källa: Yıldız, B.İ. & Karabağ, K. (2026), When the hive speaks: detecting Varroa destructor infestation in honey bees through acoustic biomarkers and machine learning, Experimental and Applied Acarology, 97(3). DOI 10.1007/s10493-026-01179-y.