利用计算机视觉和最新技术，本研究开发了一种蜜蜂监测系统，旨在增进我们对群体崩溃障碍、蜜蜂行为、种群下降和整体蜂巢健康的理解。通过我们的监测系统，蜂农可以实时监测蜂巢的活动和健康，无需干扰蜜蜂。该系统利用性价比高的技术进行开发，使得不同规模的养蜂场包括业余爱好者、商业养蜂企业和研究人员都能够使用。

Sep, 2023

蜜蜂在全球食品供应中起着大约三分之一的授粉作用，但由于多种因素，包括杀虫剂和害虫，蜜蜂群数量在过去十年中惊人地下降了近 40%。本研究通过引入综合系统，包括蜜蜂目标检测和健康评估，综合利用视觉和音频信号来分析蜜蜂行为，并开发了一种自适应关注多模态神经网络（AMNN）来准确评估蜜蜂健康状况。AMNN 在保持高效处理时间的同时，取得了 92.61% 的整体准确率，超过了八个现有的单一信号卷积神经网络和递归神经网络。此外，它提高了预测鲁棒性，在所有四种评估的健康状况中，F1 得分均超过 90%。此研究还表明相比图像，音频信号更可靠地评估蜜蜂健康状况。通过将 AMNN 与图像和声音数据无缝集成于综合的蜜蜂健康监测系统中，这种方法为早期检测蜜蜂疾病和保护蜜蜂群提供了更高效、无创的解决方案。

Jan, 2024

利用卷积神经网络 (CNN) 鉴别不同蜜蜂亚种，寻找有效的配体来阻止繁殖，并提供一种有效的方法来防止入侵蜜蜂在加利福尼亚的传播。

Apr, 2024

使用计算机视觉和目标识别技术自动追踪和报告蜜蜂行为，以实现保护传粉动物，推动环境监测和全球粮食安全，进而提供一个可解释的人工智能接口，方便非技术专家利用蜜蜂检测事件生成时间戳报告和图表，以促进环保产业的负责任消费和生产。

May, 2024

蜜蜂和温度对蜜蜂健康的影响的研究，提出了一种基于传感器数据的 EBV（电子兽医）方法用于预测蜜蜂行为和发出警告。研究发现 EBV 方法对多个实际时间序列的预测准确，并可检测出不连续性，显示其潜力和实际可行性。

Feb, 2024

通过建立一份昆虫图像数据集，并训练一个能够对其进行分类的模型，并针对昆虫图像数据集的独特性，研究了可解释的人工智能（XAI）方法来协助昆虫学家进行数据注释，该方法在分类准确性和鲁棒性方面获得良好结果。

Jun, 2022

通过在模型中使用外部和宽波动的火源以及代理人收获和利用树木来解决植物收获和火灾传播之间的冲突，模拟生态系统工程策略的两种主要演化创新，并讨论其对复杂生态系统的人工智能管理的影响。

Dec, 2022

本文研究了机器人群体控制器的设计，并探索了一种进化方法来缓解人类开发者对控制器细节和群体行为之间联系的困难。使用微分进化来发展神经网络控制器，实现机器人遵循环境特征的梯度并解决任务。研究表明，进化所得解决方案在控制较差的情况下具有最大的灵活性，而有一个群体规模的 “甜蜜点”，同时观察到群体的集体运动，展示了真正的新兴行为，这是进化过程中未被代表和选择的。

Mar, 2022

讨论了基于混合花粉授粉算法的虚拟网络嵌入问题的设计策略，结合遗传算法和 FPA 算法的优点，采用交叉操作完成全局搜索、采用自交配操作增强局部搜索、引入生命周期机制和混沌优化策略以避免过早收敛。

Feb, 2022

全球蜜蜂数量下降对农业、生物多样性和环境稳定性构成重大风险。为填补现有数据的空白，我们引入了 ApisTox，这是一个关于杀虫剂对蜜蜂 (Apis Mellifera) 毒性的综合数据集。ApisTox 将 ECOTOX 和 PPDB 等现有信息源的数据进行整合和利用，提供了一个全面、一致且经过筛选的集合，超过了先前的数据集。ApisTox 包括广泛的数据，包括化学物质的毒性水平、出版文献中的时间等细节，并通过标识符将其与外部化学数据库进行链接。该数据集既可以作为环境和农业研究的重要工具，也可以支持最大限度减少对蜜蜂种群造成伤害的政策和实践的制定。最后，ApisTox 为农业化学品化合物的分子性质预测方法的基准 提供了独特的资源，从而促进了环境科学和化学信息学的进步。这使其成为学术研究和蜜蜂保护实际应用的宝贵工具。

Apr, 2024