Sep, 2023

IntelliBeeHive: 一种自动化的蜜蜂、花粉和寄生螨监测系统

PDF
TL;DR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。
发现论文，激发创造
  • 强化农业 4.0 的传粉者保护：通过物体识别监测蜜蜂

    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

  • 开发基于人工智能的蜜蜂健康评估综合系统

    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

  • 机器学习和计算机视觉技术在蜜蜂监测应用中的应用

    介绍机器学习和计算机视觉技术在蜜蜂监测中的应用，以及它们作为自动蜜蜂计数算法的潜力。这篇论文旨在向兽医和蜜蜂专业人士介绍机器学习的可能性，并希望能激励其他科学家使用机器学习技术进行蜜蜂监测的其他应用。

    Jul, 2022

  • 计算机视觉用于自动蜜蜂计数应用的方法

    通过计算机视觉技术对蜜蜂群的健康状态进行监测，本研究比较了三种自动蜜蜂计数方法，并发现基于 ResNet-50 卷积神经网络分类器的算法在 BUT1 和 BUT2 数据集上分别达到了 87% 和 93% 的准确率。

    Jun, 2024

  • 利用高光谱图像检测蜜蜂上的 Varroa destructor

    通过多元统计方法，利用高光谱成像技术检测西方蜜蜂身上的寄生性螨虫 Varroa destructor，实现对蜂箱的方便和连续监测，同时提出了一种根据特定波长有效分离蜜蜂和寄生螨虫的策略，用于设计特殊波段相机。研究发现，仅需四个光谱带就能准确鉴别寄生虫。

    Mar, 2024

  • 优化卷积神经网络以识别入侵传粉昆虫 Apis Mellifera 并寻找一种配体药物来保护加利福尼亚的生物多样性

    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

  • 多传感器数据融合用于自动化昆虫监测 (KInsecta)

    通过多传感器、基于人工智能的数据融合方法，本文提出了一种低成本配置的昆虫分类系统，可用于系统性监测昆虫种群、支持生物多样性与农业研究。

    Apr, 2024

  • 基于运动信息的时间 - lapse 相机录像中小昆虫的目标检测

    本文介绍了一个基于运动信息增量的方法管道，用于在大型、彩色、时间间隔的野外图像数据集中检测昆虫，该方法提高了两个卷积神经网络（YOLO，Faster R-CNN）的检测效率，并发布了一个包含 100,000 个标注昆虫图像的图像数据集。

    Dec, 2022

  • 在二维蜜蜂蜂巢中实现密集目标跟踪

    本文研究了利用卷积神经网络实现密集物体跟踪，通过对蜜蜂巢穴模型的适应性个体标记和 U-Net 分割架构的使用，进一步利用视频记录的时间规律，通过机器学习实现对密集群体中物体的准确识别，并可以在一个网络结构内有效地确定物体的位置和方向。

    Dec, 2017

  • 树莓派蜜蜂健康监测设备

    本文旨在升级和改进正在开发中的蜜蜂健康监测设备，并提出一种远程数据记录解决方案，以便持续监测蜂箱。

    Apr, 2023