MSPB:一个纵向的多传感器数据集,对蜜蜂的表型特征进行测量

科学领域:

• 养蜂和动物科学 养蜂和动物科学
• 环境监测 环境监测
• 机器学习应用 机器学习应用

背景情况:

• 蜜蜂群落面临重大威胁,包括瓦罗亚破坏者感染和冬季死亡率.
• 有效的蜂巢管理需要持续监测殖民地健康和环境条件.
• 现有的监测方法往往缺乏整合多传感器数据和详细的表型测量.

研究的目的:

• 为了呈现一个新的,长达一年的蜂蜜蜂群 (Apis mellifera) 多传感器数据集.
• 将广泛的表型测量与连续传感器数据相结合,用于全面的蜂群分析.
• 为了证明这个数据集的实用性,使用机器学习开发先进的蜂巢监控应用程序.

主要方法:

• 在一年内 (2020年4月至2021年4月) 从53个蜂巢中收集了不间断的音频,温度和湿度数据.
• 记录了详细的表型数据,包括人口,繁殖细胞,Varroa破坏者入侵,行为,蜂蜜产量和冬季死亡率.
• 雇佣了来自蜜蜂科学的专家注释,用于表型测量.
• 执行数据预处理和分析传感器和表型数据.

主要成果:

• 建立了丰富的,综合的蜜蜂群健康和环境参数数据集.
• 可视化表型数据分布和传感器数据模式.
• 展示了成功的机器学习应用程序,用于预测冬季死亡率,估计蜂群数量和检测女王状态.

结论:

• 这一数据集是促进蜜蜂研究和蜜蜂养殖的宝贵资源.
• 集成的多传感器和表型数据为蜂群监测提供了更广泛的分析范围.
• 应用于这些数据的机器学习模型显示了实时蜂群管理和健康评估的前景.