Jeszcze niedawno większość decyzji w pasiece zapadała w rytmie wizyt i intuicji. Pszczelarz podnosił daszek, oceniał siłę rodziny po dźwięku i zachowaniu przy wylotku, sprawdzał zapas, wilgotność w gnieździe, nastrój rojowy. To wciąż jest ważne rzemiosło, oparte na doświadczeniu, uważności i znajomości swoich pszczół. Jednocześnie ten klasyczny model ma ograniczenia, których nie da się przeskoczyć samą pracowitością. Ule nie mówią, co dzieje się w środku między kolejnymi przeglądami, a przy pasiekach rozproszonych, wędrownych albo położonych daleko, okno obserwacji bywa krótkie i nieregularne.
W tym miejscu pojawia się automatyzacja pasiek, rozumiana nie jako zastąpienie pszczelarza maszyną, lecz jako dodanie mu zmysłów na odległość. Internet rzeczy, czyli sieć czujników i urządzeń komunikujących się z serwerami, pozwala mierzyć to, co wcześniej było oceniane orientacyjnie.
Sztuczna inteligencja, czyli algorytmy analizujące dane, potrafi z kolei zamienić tysiące pomiarów w sygnały i prognozy, które można przełożyć na decyzje: kiedy jechać do pasieki, który ul wymaga interwencji, czy zbliża się rójka, czy zmienia się warunki termiczne, czy rodzina intensywnie znosi nektar.
To przesunięcie jest subtelne, ale fundamentalne. Zamiast patrzeć na pasiekę punktowo, zaczynamy widzieć ją jako proces w czasie. Zamiast domyślać się, co zaszło od ostatniego przeglądu, otrzymujemy ciągłą historię wagi, temperatury, wilgotności, a czasem także dźwięku i obrazu. Zamiast jechać na wszelki wypadek, można jechać wtedy, gdy dane sugerują potrzebę. Taki model bywa określany jako precyzyjne pszczelarstwo, czyli przeniesienie logiki rolnictwa precyzyjnego do świata uli. W praktyce oznacza to pasiekę, która częściowo żyje w chmurze: w panelach, aplikacjach, alertach, wykresach. I choć może brzmieć futurystycznie, wiele elementów tej transformacji jest już dziś wdrażanych i badanych, zarówno w systemach eksperymentalnych, jak i komercyjnych rozwiązaniach.
Precyzyjne pszczelarstwo, nazywane też precision apiculture albo precision beekeeping, to strategia zarządzania pasieką oparta na monitorowaniu poszczególnych rodzin pszczelich. Punkt ciężkości przesuwa się z uśrednionego spojrzenia na całą pasiekę na podejście indywidualne: każdy ul może mieć własną dynamikę, własne ryzyko, własny moment kulminacyjny pożytku. W tej perspektywie sens ma nie tylko porównywanie uli między sobą, lecz także obserwacja trendów w każdym z nich. W ujęciu najbardziej ogólnym precyzyjne pszczelarstwo składa się z trzech następujących po sobie etapów: zbierania danych, analizy danych oraz zastosowania wniosków w działaniach pasiecznych.
Inspiracją jest rolnictwo precyzyjne, w którym dane z pól, maszyn i warunków pogodowych służą optymalizacji decyzji. Zamiast nawozić i nawadniać jednakowo, rolnik różnicuje działania w zależności od potrzeb konkretnego fragmentu uprawy. W pszczelarstwie analogia wygląda podobnie: zamiast traktować wszystkie ule jednakowo i przeglądać je w stałym rytmie, pszczelarz może priorytetyzować pracę w oparciu o sygnały z czujników. To szczególnie ważne tam, gdzie liczba uli rośnie, a czas i dostęp do pasieki stają się ograniczeniem.
Kluczową kwestią jest to, co można mierzyć. W praktyce monitorowane parametry dotyczą zarówno samego ula, jak i środowiska. Do najczęściej przywoływanych należą waga ula, temperatura wewnątrz i na zewnątrz, wilgotność, aktywność lotna, a także dźwięk i wibracje. W niektórych systemach dochodzą pomiary gazów, czujniki na wylotku, a także obraz z kamery. Waga jest szczególnie cenna, bo pokazuje przyrosty i spadki masy w czasie, a więc pozwala ocenić intensywność znoszenia pożytku lub pobierania zapasów. Temperatura natomiast ma długą tradycję pomiaru i jest istotna, bo pszczoły aktywnie regulują warunki w gnieździe, utrzymując stabilność potrzebną dla rozwoju czerwiu. Wilgotność i mikroklimat wspierają ocenę ryzyk takich jak zawilgocenie, problemy wentylacyjne czy kondensacja w określonych warunkach pogodowych.
Ważnym elementem definicji precyzyjnego pszczelarstwa jest minimalizowanie niepotrzebnych zasobów i stresu. Jeżeli część informacji można uzyskać bez otwierania ula, to ogranicza się liczbę ingerencji, a w konsekwencji zmniejsza zakłócenia mikroklimatu, spadki temperatury w gnieździe czy dodatkowe pobudzenie pszczół. To nie oznacza rezygnacji z przeglądów, ale przesunięcie ich w stronę działań celowanych: tam, gdzie istnieje sygnał, że w środku dzieje się coś wymagającego reakcji.
Precyzyjne pszczelarstwo ma też wymiar gospodarczy i środowiskowy. Cyfrowe monitorowanie wspiera podejmowanie decyzji, może ograniczać straty rodzin, a także zmniejszać emisje związane z niepotrzebnymi dojazdami do pasiek. To szczególnie praktyczne przy pasiekach zlokalizowanych w oddalonych miejscach, gdzie każda wizyta kosztuje czas, paliwo i logistykę.
Warto podkreślić, że precyzyjne pszczelarstwo nie jest jedną technologią, lecz ekosystemem. Może zaczynać się od pojedynczej wagi pod ulem, a kończyć na wielomodułowych systemach obejmujących sensory, automatyczne karmienie, kontrolę warunków termicznych i platformę analityczną w chmurze. W tym ekosystemie IoT odpowiada za zbieranie i przesył danych, a AI za wykrywanie wzorców, prognoz i anomalii, które trudno byłoby wychwycić gołym okiem wśród tysięcy punktów pomiarowych.
IoT w pasiece: czujniki, platformy, alerty
Internet rzeczy w pasiece zaczyna się od prostego pytania: co chcemy wiedzieć i jak często. W praktyce typowy zestaw monitoringu obejmuje wagę ula, czujniki temperatury oraz wilgotności, a coraz częściej także mikrofon do analizy dźwięku. Do tego dochodzi komunikacja bezprzewodowa, zasilanie, urządzenie zbierające dane z wielu uli oraz panel, w którym wszystko widać w czasie rzeczywistym lub w historii. W zależności od skali pasieki i budżetu może to być rozwiązanie budowane samodzielnie na mikrokontrolerach albo gotowa platforma komercyjna.
Dobrym przykładem podejścia technicznego jest system zbudowany w oparciu o mikrokontrolery ESP8266 i ESP32 oraz protokół ESP-NOW. W takim układzie poszczególne ule mają własne węzły pomiarowe, które zbierają dane, a następnie przesyłają je do węzła głównego. Komunikacja wewnątrz pasieki opiera się na krótkodystansowym protokole, natomiast połączenie z internetem może być realizowane przez moduł komórkowy i transmisję pakietową do serwera. Lokalna sieć czujników bywa organizowana w topologii gwiazdy z jednym węzłem centralnym, co ułatwia zbieranie danych i ogranicza zużycie energii.
Rozwiązania oparte na mikrokontrolerach są atrakcyjne, bo łączą dostępność sprzętu z elastycznością. W takim systemie monitoruje się między innymi temperaturę i wagę, wykorzystując czujniki umieszczone wewnątrz ula i na
zewnątrz, a także ogniwa tensometryczne do ważenia. Dane zbierane cyklicznie i przesyłane w pakietach muszą mieścić się w ograniczeniach komunikacji bezprzewodowej, dlatego projektowanie systemu zawsze oznacza szukanie kompromisu między częstotliwością pomiarów, czasem pracy na baterii i stabilnością transmisji.
Po stronie użytkownika kluczowa jest platforma, czyli miejsce, gdzie dane stają się użyteczne. W praktyce stosuje się dashboardy, które pozwalają monitorować wiele uli jednocześnie. W projektach wdrożeniowych spotyka się zestawy obejmujące czujniki temperatury i wilgotności, mikrofon, kamerę przy wylotku oraz wagę pod ulem. Dane trafiają do panelu służącego wizualizacji i zarządzaniu urządzeniami, co pokazuje typowy kierunek rozwoju: od pojedynczych pomiarów do spójnego obrazu rodziny, łączącego warunki wewnętrzne, aktywność i zmiany masy.
Alerty są praktyczną esencją IoT. Same wykresy bywają fascynujące, ale w codziennym zarządzaniu pasieką liczy się prosty sygnał: coś wymaga uwagi. Alert może dotyczyć gwałtownego spadku wagi, co sugeruje rabunek, przewrócenie ula, intensywne odparowywanie wody po miodobraniu albo inny incydent. Może dotyczyć spadku temperatury w gnieździe, co bywa niepokojące w okresach, gdy rodzina powinna utrzymywać stabilne warunki. Może dotyczyć skoków wilgotności, które przy określonych konfiguracjach ula i pogodzie mogą prowadzić do kondensacji. W zależności od systemu alertem może być też przerwa w transmisji, co informuje o awarii czujnika albo problemach z zasilaniem.
W ekosystemie IoT pojawiają się również narzędzia wspierające pomiary parametrów kojarzonych z jakością produktu, takie jak pomiar zawartości wody w miodzie czy przewodności. Tego typu pomiary nie są czujnikami w ulu w ścisłym sensie, ale wpisują się w logikę cyfryzacji: uzupełniają monitoring kolonii o monitoring parametrów, które wpływają na standaryzację miodu.
Od strony organizacyjnej IoT w pasiece jest więc zbiorem warstw. Pierwsza to czujniki i urządzenia przy ulu. Druga to komunikacja, lokalna i dalekiego zasięgu. Trzecia to baza danych w chmurze lub na serwerze. Czwarta to interfejs użytkownika, czyli aplikacja i panel. Piąta to logika alertów i automatycznych reguł, a szósta, coraz ważniejsza, to AI, czyli analiza predykcyjna. To dopiero suma tych warstw sprawia, że pasieka staje się rzeczywiście smart, a nie tylko wyposażona w pojedyncze urządzenia pomiarowe.
AI nad ulem: analiza dźwięku, obrazu i danych środowiskowych
Sztuczna inteligencja w kontekście pasieki jest narzędziem do rozpoznawania wzorców w danych, których człowiek nie jest w stanie analizować w czasie rzeczywistym. Jeżeli z jednego ula spływa pomiar temperatury, wagi i wilgotności, a do tego zapis dźwięku i obraz z kamery, to w skali kilkudziesięciu uli powstaje ogromna ilość informacji. AI ma sens wtedy, gdy potrafi te informacje uporządkować: wykryć anomalię, sklasyfikować stan, zasugerować priorytet, a czasem przewidzieć zdarzenie zanim stanie się problemem.
Jednym z najbardziej obiecujących obszarów jest analiza dźwięku. Ul jest środowiskiem akustycznym, a dźwięk kolonii zmienia się w zależności od aktywności, obecności matki, warunków pogodowych, wentylacji, a także nastroju rojowego. Systemy wyposażone w mikrofony mogą rejestrować charakterystykę akustyczną i łączyć ją z innymi parametrami. Logika jest prosta: jeśli sygnał dźwiękowy zmienia się w typowy dla danego zjawiska sposób, a inne pomiary jednocześnie potwierdzają zmianę w zachowaniu rodziny, model może z większym prawdopodobieństwem wskazać, że dzieje się coś istotnego.
Drugim filarem jest analiza obrazu. Kamera przy wylotku może rejestrować ruch pszczół, co pozwala ocenić aktywność lotną, a także wykrywać nietypowe zdarzenia. Rozwój metod rozpoznawania obrazu sprawił, że obserwacja uli nie musi opierać się wyłącznie na wizytach. W praktyce obraz bywa łączony z danymi z czujników, aby uchwycić zależności między pogodą, aktywnością wylotową i przyrostami masy.
Szczególnie interesujący jest wątek predykcji rójki. Rójka jest jednym z najtrudniejszych momentów w zarządzaniu pasieką, bo łączy biologię z logistyką: trzeba być w odpowiednim miejscu i czasie. Systemy wykorzystujące uczenie maszynowe starają się wykrywać warunki sprzyjające rójce, opierając się na danych akustycznych, zmianach temperatury, wilgotności, dynamice masy, a w niektórych projektach również na analizie obrazu. Celem nie jest stuprocentowa prognoza, ale zwiększenie szansy, że pszczelarz dostanie sygnał wcześniej, zanim proces wejdzie w etap trudny do odwrócenia.
W rozwiązaniach komercyjnych AI jest często opisywana językiem operacyjnym. Ma wskazać, które ule wymagają inspekcji, ocenić ogólny stan rodziny, sygnalizować ryzyko problemów zdrowotnych, przewidywać rójkę, a także planować moment miodobrania. Takie funkcje opierają się na budowaniu modeli na podstawie danych historycznych i porównywaniu bieżących sygnałów z typowymi wzorcami. Im dłużej system działa w danej pasiece, tym lepiej może dopasować interpretację do lokalnych warunków, specyfiki uli i rytmu pożytków.
Najbardziej zaawansowaną formą automatyzacji są platformy łączące AI, rozpoznawanie obrazu i robotykę. W takim modelu system nie tylko monitoruje, ale również wykonuje część działań: może wspierać zarządzanie korpusami, automatycznie kontrolować warunki mikroklimatyczne, pomagać w karmieniu, monitorowaniu zagrożeń, a także w pozyskiwaniu miodu w sposób zintegrowany z analizą danych. Ten kierunek pokazuje, że dla części rynku przyszłość może oznaczać większą automatyzację operacyjną, choć w praktyce zapewne będzie to domena dużych pasiek lub projektów specjalistycznych.
W kontekście AI warto pamiętać o jakości danych. Algorytmy uczą się na tym, co dostają. Jeżeli czujniki są źle skalibrowane, jeżeli wagi mają dryft, jeżeli mikrofon rejestruje zakłócenia, to nawet najlepszy model może wyciągać błędne wnioski. Dlatego wdrożenia muszą łączyć biologię i inżynierię: rozumienie rodziny pszczelej z rzetelnym pomiarem. W dobrze zaprojektowanym systemie AI jest narzędziem wspierającym, a nie wyrocznią. Ma pomóc pszczelarzowi podejmować decyzje szybciej i pewniej, ale finalnie to człowiek bierze odpowiedzialność za dobrostan pszczół i jakość produktu.
Jak automatyzacja wpływa na miód, który trafia do słoika?
Najbardziej bezpośrednie pytanie brzmi: co z tego wszystkiego ma konsument. Odpowiedź nie jest jednowymiarowa, bo miód jest produktem, w którym jakość wynika zarówno z surowca, jak i z praktyki pozyskania. Automatyzacja i monitoring wpływają przede wszystkim na precyzję decyzji, a ta przekłada się na powtarzalność i bezpieczeństwo produktu.
Pierwszy obszar to timing zbiorów. Waga ula pokazuje, kiedy zaczyna się intensywny pożytek i kiedy przyrosty wyhamowują. To pozwala lepiej zaplanować moment miodobrania w stosunku do dynamiki nektarowania. Zbyt wczesny zbiór bywa ryzykowny, bo miód może być niedojrzały, z wyższą zawartością wody. Zbyt późny może oznaczać przepełnione plastry, większe ryzyko nastroju rojowego lub konieczność pracy w mniej korzystnych warunkach pogodowych. Monitoring nie zastąpi oceny zasklepienia, ale może wskazać, kiedy warto zaplanować przegląd i przygotować logistykę, zamiast działać reaktywnie.
Drugi obszar to mikroklimat ula. Warunki termiczne i wilgotność wpływają na zachowanie pszczół i ich zdolność do osuszania nektaru. Jeśli pszczelarz otrzymuje sygnał o nietypowych odchyleniach mikroklimatu, może szybciej reagować, zanim problem przełoży się na spadek kondycji rodziny. Silna, stabilna rodzina to z kolei lepsza zdolność do zbierania i dojrzewania miodu. W tym sensie automatyzacja działa pośrednio: nie poprawia miodu sama w sobie, ale wspiera dobrostan i efektywność kolonii, a to zwykle sprzyja jakości i przewidywalności produkcji.
Trzeci obszar to redukcja stresu. Każde otwarcie ula jest ingerencją, która może zaburzać mikroklimat i wymaga od pszczół dodatkowego wysiłku, aby przywrócić równowagę. Jeżeli część wizyt jest zastąpiona monitoringiem zdalnym, a przeglądy stają się bardziej celowane, można ograniczać liczbę niepotrzebnych otwarć. To nie oznacza mniejszej troski o pszczoły, ale bardziej świadome zarządzanie: mniej przypadkowych wizyt, więcej działań wynikających z realnej potrzeby.
Czwarty obszar to spójność jakości. Jeżeli pszczelarz ma dostęp do historii danych i potrafi porównywać sezony, lokalizacje, a nawet konkretne ule, łatwiej mu zidentyfikować, co sprzyja stabilnym parametrom produktu. Jeżeli dodatkowo korzysta z pomiarów zawartości wody w miodzie, może bardziej konsekwentnie weryfikować, czy miód jest gotowy do odebrania. To nie tyle kwestia technologii, ile jakościowej dyscypliny: regularny pomiar i dokumentacja sprzyjają powtarzalności.
Piąty obszar to ślad środowiskowy, który coraz częściej staje się elementem opowieści o produkcie. Zdalne monitorowanie może ograniczać zbędne dojazdy do pasiek, a tym samym zmniejszać emisje związane z transportem. Dla konsumenta nie jest to bezpośrednio cecha sensoryczna miodu, ale może wpływać na postrzeganie produktu jako wytworzonego w sposób bardziej odpowiedzialny.
W efekcie miód, który trafia do słoika, może zyskać na przewidywalności: lepiej dobrany moment zbioru, lepsza kontrola warunków produkcji, szybsza reakcja na problemy w rodzinie. Nie oznacza to, że technologia zastąpi mądrość pszczelarza. Oznacza raczej, że mądrość będzie podejmowana na podstawie bogatszego obrazu, a nie wyłącznie na podstawie krótkiej wizyty w pasiece.
Bariery: koszty, dostępność, akceptacja pszczelarzy, dane
Automatyzacja pasiek nie jest rozwiązaniem pozbawionym wyzwań. Pierwszą barierą są koszty. Nawet proste systemy wymagają inwestycji w czujniki, wagi, moduły komunikacyjne, zasilanie i serwer lub abonament platformy. Przy większej pasiece koszt jednostkowy może się rozkładać korzystniej, ale dla małych pasiek wejście bywa trudne do uzasadnienia. W praktyce pojawia się pytanie o zwrot: czy oszczędność czasu, paliwa, redukcja strat rodzin i lepsze planowanie pracy zrównoważą nakłady.
Druga bariera to dostępność i infrastruktura. Pasieki często stoją tam, gdzie pożytek jest najlepszy, a nie tam, gdzie zasięg jest idealny. Systemy wykorzystują różne strategie komunikacji, od sieci lokalnych po łączność komórkową, ale i tak mogą pojawiać się problemy z transmisją danych, przerwami w łączności i stabilnością zasilania. Jeżeli urządzenia przestają przesyłać dane, pszczelarz musi umieć rozpoznać, czy problem dotyczy ula, czy elektroniki. To oznacza dodatkową warstwę odpowiedzialności.
Trzecia bariera to kompetencje cyfrowe i organizacja pracy. Dane są użyteczne tylko wtedy, gdy ktoś potrafi je interpretować. Pszczelarz musi rozumieć, co oznacza określony wzorzec wagi, kiedy zmiana temperatury jest normalna, a kiedy alarmująca, jakie są granice wiarygodności czujników. W praktyce wdrożenia wymagają okresu uczenia się systemu, kalibracji i porównywania z obserwacją w ulu. Dla części osób to rozwój, dla innych niepotrzebna komplikacja.
Czwarta bariera dotyczy danych i prywatności. Monitorowanie pasieki generuje informacje o produkcji, lokalizacji, liczbie rodzin, harmonogramach pracy. W modelu chmurowym dane trafiają do zewnętrznych systemów, co rodzi pytania o własność danych, bezpieczeństwo, a także o możliwość uzależnienia od dostawcy. W praktyce warto dążyć do rozwiązań, które umożliwiają eksport danych i zapewniają przejrzystość zasad ich przetwarzania.
Piąta bariera to ryzyko technologicznego złudzenia kontroli. Istnieje pokusa, aby uznać, że skoro wykres wygląda dobrze, to w ulu jest dobrze. Tymczasem nawet najbardziej rozbudowany monitoring nie zastąpi okresowej weryfikacji biologicznej: oceny czerwiu, obecności matki, stanu plastrów czy symptomów chorób. Technologia może wzmocnić uważność, ale może też ją osłabić, jeśli będzie używana bez krytycznego myślenia i bez rozumienia kontekstu.
Wreszcie jest jeszcze bariera kulturowa, bardzo ludzka. Pszczelarstwo jest dziedziną, w której tradycja i doświadczenie mają duże znaczenie. Dla wielu osób praca z pszczołami jest także relacją, nie tylko produkcją. Automatyzacja będzie przyjmowana najlepiej tam, gdzie jest przedstawiana jako wsparcie i narzędzie poprawy dobrostanu, a nie jako próba odczłowieczenia rzemiosła.
Zakończenie: czy w 2050 r. każda pasieka będzie smart?
Pytanie o rok 2050 jest pytaniem o kierunek, nie o wróżbę. Już dziś widać, że elementy smart pasieki istnieją równolegle w kilku światach. W świecie badań testuje się systemy komunikacji i czujniki, które mają być tanie i energooszczędne, a jednocześnie wystarczająco precyzyjne, by mierzyć wagę i temperaturę w czasie zbliżonym do rzeczywistego. W świecie wdrożeń platformowych pojawiają się panele, które integrują dane z wielu źródeł, łącząc sensory, mikrofony, kamery i wagi w jeden obraz rodziny. W świecie automatyzacji powstają rozwiązania, które idą dalej, oferując nie tylko monitoring, ale także zautomatyzowane procesy zarządzania ulem, włącznie z kontrolą warunków i wybranymi czynnościami pasiecznymi.
Czy to oznacza, że każda pasieka będzie smart. Najprawdopodobniej nie w sensie pełnej robotyzacji. Bardziej realny wydaje się scenariusz hybrydowy: większość pasiek sięgnie po wybrane elementy, takie jak wagi, monitoring temperatury i alerty, a tylko część, zwłaszcza duże gospodarstwa i pasieki nastawione na skalę, będzie inwestować w rozwiązania głęboko zautomatyzowane. Uwarunkowania ekonomiczne, lokalizacyjne i kulturowe będą różnicować tempo adopcji.
Jedno jest jednak bardzo prawdopodobne: dane staną się naturalną częścią pszczelarstwa. Nie po to, by odebrać mu serce, ale po to, by lepiej rozumieć procesy w ulu i szybciej reagować na zagrożenia. W świecie, w którym rośnie znaczenie dobrostanu pszczół, odpowiedzialnej produkcji i komunikacji o zrównoważeniu, precyzyjne pszczelarstwo może stać się praktycznym standardem pracy. A jeśli standardem stanie się choćby to, że pszczelarz jedzie do pasieki wtedy, gdy dane mówią, że to potrzebne, a miód jest odbierany w lepiej dobranym momencie, to zmiana będzie odczuwalna zarówno w pasiece, jak i w słoiku.
W tym sensie automatyzacja nabiera najbardziej ludzkiego znaczenia. Nie chodzi o to, by pszczoły stały się elementem przemysłowej linii. Chodzi o to, by dać im stabilniejsze warunki, a pszczelarzowi lepsze narzędzia do opieki. Jeśli technologia ma przyszłość w pszczelarstwie, to nie dlatego, że jest efektowna, ale dlatego, że może być uważna. I jeżeli będzie uważna, miód w słoiku pozostanie tym, czym jest od zawsze: koncentratem pracy pszczół, tylko lepiej zrozumianym i bardziej świadomie pozyskanym.
Co ważne, w takim scenariuszu rośnie także znaczenie transparentności. Dane z pasieki mogą wspierać odpowiedzialną narrację o pochodzeniu miodu, warunkach prowadzenia rodzin i jakości procesu, bez popadania w marketingową przesadę. Smart pasieka nie musi oznaczać chłodnej technologizacji, lecz praktyczną troskę: szybsze wykrywanie problemów, lepsze planowanie prac i mniejszą presję na pszczoły w szczycie sezonu. Ostatecznie to nadal człowiek decyduje, jak użyje narzędzi, a najlepsze efekty przynosi podejście, w którym technologia wzmacnia doświadczenie, a nie próbuje je zastąpić.
Materiał dofinansowany ze środków UE w ramach Planu Strategicznego dla Wspólnej Polityki Rolnej na lata 2023-2027
Materiał opracowany przez Stowarzyszenie Pszczelarzy Staropolskich Instytucja Zarządzająca Planem Strategicznym dla Wspólnej Polityki Rolnej na lata 2023-2027 – Minister Rolnictwa i Rozwoju Wsi
