Detección de la varroa por el sonido: así funciona

Una colmena, con micrófonos para captar el sonido.

Identificar cuanto antes la presencia de varroa en las colmenas resulta fundamental para agilizar los tratamientos y salvar la mayor cantidad posible de colonias. Una innovadora técnica propone la detección de la varroa por el sonido: monitorizan los cambios de los sonidos internos de las colmenas infestadas. Te contamos cómo lo hacen.

Hay muchas formas de detectar la presencia de varroa en las colmenas. Unos sistemas utilizan test para medir el nivel de infestación. Otros se basan en la detección de feromonas, como hace el sistema ApiSense. Y, ahora, llega una propuesta muy diferente: escuchar a la colmena y descubrir el sonido que hacen las colonias infestadas de varroa.

La idea es relativamente sencilla: un micrófono registra el sonido de la colmena y un dispositivo basado en la inteligencia artificial aísla los patrones acústicos que identifican la presencia de la varroa. De esa forma, sin necesidad de abrir la colmena o realizar test de campo, el apicultor puede tener la información rápidamente y decidir qué tratamiento conviene aplicar.

En este artículo, te contamos los resultados de una investigación científica que ha utilizado la técnica de detección de la varroa por el sonido de la colmena. Sus hallazgos son muy esperanzadores y permiten pensar de forma realista en sistemas comerciales que operen de esta forma. ¡Sigue leyendo para saberlo todo!

La investigación ha aparecido recientemente en la revista IEEE Sensors Journal, especializada en el campo de la sensorización. Lleva el título de “Sobre la predicción de infestaciones por ácaros Varroa en colonias de abejas melíferas mediante monitorización acústica” y la firma de varios científicos canadienses. Encabeza el equipo Mahsa Abdollahi, que trabaja junto a otros cuatro compañeros de la Universidad de Quebec. También participan dos investigadores del Departamento de Biología de la Universidad Laval, también de Quebec, y otro de la empresa Nectar Technologies, igualmente canadiense.

1 – Detección de la varroa por el sonido de la colmena: así funciona

En su trabajo, estos científicos parten de una premisa: el sonido ya se utiliza para monitorizar muchos parámetros en las colmenas. ¿Podría servir también para detectar la varroa? Y, para responder a esta pregunta, han diseñado un experimento que ha ofrecido interesantes resultados.

Su propuesta utiliza grabaciones del sonido de las colmenas. Y, en esas grabaciones, busca lo que técnicamente se llama “descriptores de forma espectral”, que son rasgos característicos de cada sonido. En total, son nueve descriptores: centroide, dispersión, asimetría, curtosis, entropía, atenuación, planitud, cresta y flujo.

Estos rasgos se pueden aislar e identificar en cada sonido, con lo que resulta relativamente sencillo caracterizar lo diferentes ruidos, voces o sonidos en general. En el artículo se explica que “esto permite el análisis de patrones rítmicos y periódicos incrustados en diferentes bandas de frecuencia, ofreciendo una perspectiva complementaria sobre la variabilidad de la señal a lo largo del tiempo”.

El análisis se llevó a cabo sobre las grabaciones realizadas en diez colmenas a lo largo de dos años. Equipadas con micrófonos internos, estas colonias registran su propio zumbido cada 30 minutos en grabaciones de 15 minutos, las 24 horas del día. El resultado es un enorme conjunto de datos denominado UrBAN, puesto que se trataba de colmenas situadas en entornos urbanos.

Además de tomar los datos de sonido, se hicieron periódicamente test de varroa utilizando la técnica de lavado de alcohol para conocer el nivel de infestación de las abejas. Consideraron que un tres por ciento de infestación sería el umbral para lanzar una alerta. Esa información sobre el nivel de varroa se comparó con los cambios registrados en el sonido.

Después, los investigadores convirtieron las grabaciones en espectrogramas, que son mapas de energía sonora según la frecuencia y el tiempo. Y, al hacerlo, encontraron la primera pista llamativa: a medida que aumenta la infestación, el zumbido de la colmena deja de ser un coro relativamente armónico para transformarse en algo más plano, más ancho en frecuencias, más ruidoso.

El espectograma superior (a) corresponde a una colmena con varroa. El inferior (b), a una sana. Imagen: Abdollahi et al.

Así, encontraron que las colmenas con mayor infestación presentan sonidos más “ruidosos” y menos estructurados: mayor entropía espectral, mayor planitud (el espectro se aplana, perdiendo componentes tonales bien definidas), energía desplazada hacia frecuencias más altas y menor variabilidad temporal del sonido, es decir, un zumbido más “monótono” y estático. Visualmente, en los espectrogramas se observa una reducción de intensidad en la banda de 100 a 500 Hz en las colmenas infestadas.

Traducido esto al lenguaje del colmenar, se puede decir que una colmena con mucha varroa suena menos a “zumbido de enjambre activo” y más a un ruido continuo, amplio y desordenado.
Cuando, además, analizan no solo qué frecuencias suenan, sino cómo cambian esas frecuencias a lo largo del tiempo, aparece un segundo patrón: las colmenas infestadas concentran su energía en modulaciones lentas (0–10 Hz), mientras las sanas muestran dinámicas más ricas, con variaciones hasta casi 20 Hz.

¿Cuándo tratar?

Con esa información, el equipo de trabajo se planteó el problema en los términos que interesan al apicultor: no se trata de estimar un número exacto de ácaros, sino de responder a una pregunta sencilla: “¿esta colmena debe tratarse ahora mismo, sí o no?”.

Para responder a esta duda, etiquetaron cada muestra de audio con un 0 si el nivel de infestación estaba en ese momento por debajo del 3 por ciento y con un 1 si superaba ese nivel.

Después, cada segmento de 15 minutos se convirtió en un caso de entrenamiento, y para reforzar la señal, los autores incluyeron no solo las grabaciones del día de muestreo, sino también las del día anterior. A partir de los espectrogramas, extrajeron los nueve descriptores de forma espectral clásicos y los repitieron sobre un “espectrograma de modulación”. Esto generó una batería de rasgos que describen tanto la estructura frecuencial como las modulaciones temporales del sonido.

Con esos datos, alimentaron una batería de algoritmos de aprendizaje automático muy conocidos que se utilizan para analizar audios. Y también entrenaron pequeña red convolucional (MiniCNN) que trabaja directamente sobre las imágenes espectrales. Una red convolucional es un algoritmo de deep learning (aprendizaje profundo con inteligencia artificial) diseñado para procesar datos visuales. Imita la corteza visual humana, simulando la visión utilizando capas convolucionales con filtros para extraer automáticamente características espaciales como bordes, formas y patrones en imágenes. Es la tecnología clave para clasificación, reconocimiento de objetos y visión artificial y la idea es encontrar patrones en las imágenes de los espectrogramas que se elaboraron a partir de los sonidos grabados.

Grabando el sonido de una colmena.

A la hora de analizar resultados, los científicos encontraron que las colmenas etiquetadas como infestadas tienden a mostrar valores altos de entropía, tanto en el espectro instantáneo como en sus modulaciones, una señal de que el zumbido se ha vuelto más desordenado, menos armónico. El flujo de modulación, por su parte, señala la importancia de cómo cambia ese patrón a lo largo del día: no es solo cómo suena la colmena, sino cómo varía su sonido en ciclos lentos, lo que parece delatar a la varroa.

Finalmente, concluyen que, en un contexto de apicultura de precisión, el mensaje de fondo es claro: con un solo micrófono, un algoritmo bien entrenado y un umbral de tratamiento consensuado, es posible vigilar de forma continua el pulso sonoro de la colmena y obtener, a distancia, una señal de alarma fiable cuando la varroa supera el nivel de riesgo.
La decisión final seguirá siendo del apicultor, pero por primera vez la colmena, literalmente, tiene voz en ese debate y se prueba que la detección de la varroa por el sonido de la colmena es fiable.

Apúntate a nuestra newsletter y no te pierdas nada

Suscríbete a nuestro boletín y recibe en tu correo toda la información sobre
la apicultura y que no se te escape nada.
             ¡Es gratis! 

2 – Todo lo que nos dicen los sonidos de la colmena

Estos resultados obtenidos por los científicos canadienses son un paso importante en la introducción de la inteligencia artificial en la gestión de las colmenas. Y, además, aportan un nuevo empleo de la monitorización de los sonidos de las abejas.

En realidad, “escuchar” a las abejas es algo que los propios apicultores hacen de forma intuitiva desde hace siglos. Un oído entrenado es capaz de detectar gran cantidad de información en las variaciones de los zumbidos de las abejas. Por ejemplo:

• El canto de la reina. Las reinas vírgenes emiten un reconocible “canto” que alerta al apicultor de que la colonia está en un proceso de sustitución de reina o de enjambrazón. Lo generan frotando las alas y suena como ‘tuuuut’, un pitido largo y agudo. En inglés, se denomina ‘tooting’.
• La preparación de un enjambre. En ese periodo de enjambrazón, entran en juego unas abejas muy concretas a las que el conocido autor Thomas D. Seeley ha llamado “abejas gaiteras”. El sonido que emiten sirve para coordinar la salida del enjambre.
• Una colmena fuerte y estable. Desde siempre, los apicultores golpean levemente sus colmenas para escuchar cómo responden las abejas. Si la colonia es vigorosa y tiene una reina sana y fuerte, contestan al golpe con un zumbido corto e intenso, apenas uno o dos segundos.
• Una colmena sin reina. En cambio, si la colonia está en malas condiciones o se ha quedado sin reina, el sonido de respuesta al golpe será un zumbido largo y quejumbroso, como si sollozaran.
• Colmena defensiva. Si las abejas se sienten atacadas, también emiten un sonido muy particular. Se trata de un sonido pronunciado y muy intenso.

Además de estas formas más o menos intuitivas y tradicionales de “escuchar” a las abejas, tecnologías como la descrita en este artículo vienen a proponer nuevos usos del audio en la apicultura.

Así, la monitorización de los zumbidos se suma a las muchas técnicas de control a distancia de las colmenas, como las básculas inteligentes o los sensores de todo tipo. Y se ha utilizado, por ejemplo, para detectar automáticamente la salida de un enjambre, predecir la fortaleza de una colmena, avanzar la mortalidad invernal o detectar la ausencia de reina.

Incluso hay trabajos previos que han ido por caminos similares a este de los científicos canadienses. Es el caso de una investigación liderada por Qandour et al (2014), que ya buscaron la detección de la varroa por el sonido de la colmena, sin lograr resultados tan claros como los que ahora se publican.

Otro intento muy valioso fue el de Chen et al (20), que investigaron el impacto de los virus en el sonido de la colonia y demostraron que los enjambres infectados por virus podían detectarse de manera fiable mediante la acústica de la colmena.

Desde otro enfoque, en 2022, Harriet Hall y su equipo de la universidad de Nottingham, en el Reino Unido, descubrieron que los ácaros de varroa emiten unas vibraciones que les permiten orientarse en la colmena. Esas vibraciones son también un tipo de sonido que se podría utilizar para determinar el nivel de infestación.

3 – Bibliografía empleada

Abdollahi et al. (2026) On the Prediction of Varroa Mite Infestations in Honey Bee Colonies via Acoustic Monitoring. IEEE Sensors Journal, 26 (8). 12157-12167. https://ieeexplore.ieee.org/document/11409881/

Biri, Melchiorre & Prats, Carmen (1988) El gran libro de las abejas. Barcelona: Editorial de Vecchi.

Chen, S. et al (2024) A machine learning-based multiclass classification model for bee colony anomaly identification using an IoT-based audio monitoring system with an edge computing framework. Expert Syst. Appl., 255. 124898.
https://www.sciencedirect.com/science/article/abs/pii/S0957417424017652

Hall, H., Bencsik, M., Newton, M. I., Chandler, D., Prince, G., & Dwyer, S. (2022). Varroa destructor mites regularly generate ultra-short, high magnitude vibrational pulses. Entomologia Generalis, 42(3), 375-388.
https://www.schweizerbart.de/papers/entomologia/detail/42/100723/Varroa_destructor_mites_regularly_generate_ultra_s?af=crossref

Janetzky, P; Schaller, M; Krause, A & Hotho, A (2023) Swarming detection in smart beehives using auto encoders for audio data. Proc. 30th Int. Conf. Syst., Signals Image Process. (IWSSIP),  1–5.

Jean Prost, Pierre (2007) Apicultura. Conocimiento de la abeja. Manejo de la colmena. Barcelona: Editorial Mundi Prensa.

Lasanta, Eugenio (2018). Apicultura práctica tradicional y moderna: La esencia en el hexágono. Madrid: Liber Factory.

Qandour, A;  Ahmad, I; Habibi, D & Leppard, M. (2014) Remote beehive monitoring using acoustic signals.  Acoust. Aust., 42 (3).  205.
https://ro.ecu.edu.au/ecuworkspost2013/506/

Robles, Elena & Salvachúa, Carmelo (2012) Iniciación a la apicultura. Tecnología y calendario. Madrid: Editorial Mundi Prensa.

Salvachúa, Carmelo & Robles, Elena (2003) Manual de apicultura práctica. Sector apícola Galego.

Wilson, Noah (2014) La abeja. Una historia natural. Librería Universitaria de Barcelona: Barcelona.

Libros para saber más sobre apicultura