相关实验视频
Updated: Jun 25, 2025
03:45
A Rapid Method to Confine and Safely Handle Bees in the Field
Published on: August 23, 2024
749
深度学习用于从翅膀和钉钉标本图像中识别蜜蜂物种
Brian J Spiesman1, Claudio Gratton2, Elena Gratton3
1Department of Entomology, Kansas State University, Manhattan, Kansas, United States of America.
PloS one
|May 28, 2024
概括
深度学习模型现在可以使用固定标本或翅膀图像准确识别小,难以识别的蜜蜂物种. 这项技术通过克服当前图像数据集的局限性,有助于蜜蜂的保护.
科学领域:
- 生态生态学 生态生态学
- 保护生物学 保护生物学
- 计算机视觉 计算机视觉
背景情况:
- 在物种层面识别蜜蜂是至关重要的,但具有挑战性,需要专业知识和时间.
- 现有的计算机视觉模型由于数据有限而难以与较小的蜜蜂种类进行斗争.
研究的目的:
- 评估深度学习模型,以识别具有挑战性的蜜蜂种类.
- 用固定标本与蜜蜂前翼图像进行模型性能比较.
主要方法:
- 训练了EfficientNetV2L卷积神经网络,使用被钉住的蜜蜂标本和蜜蜂前翼的数据集.
- 数据集包括 20 种 (6 个属) 的钉钉标本和 18 种 (4 个属) 的翅膀.
- 对具有挑战性的种类,包括较小的物种和形态相似的群体进行模型性能评估.
主要成果:
- 通过固定样本图像实现了94.9%的平均测试精度.
- 使用蜜蜂前翼图像实现了98.1%的平均测试精度.
- 在分类较小,代表性不足的蜜蜂物种方面表现出很高的准确性.
结论:
- 计算机视觉显示出识别小型和困难的蜜蜂物种的巨大潜力.
- 利用研究收集图像可以扩展用于保护监测的数据集.
- 这种方法对于大规模的蜜蜂保护工作至关重要.
