探索热成像技术与数据挖掘算法的集成,以精确预测蜂蜜和蜜蜂产量
Mustafa Kibar1, Yasin Altay2,3, İbrahim Aytekin4
1Faculty of Agriculture, Department of Animal Science, Siirt University, Siirt, Türkiye.
Animal science journal = Nihon chikusan Gakkaiho
|December 8, 2024
概括
准确预测蜂蜜和蜂产量 (HY和BWY) 对于可持续的养蜂至关重要. 机器学习模型,包括XGBoost和CART,有效地使用殖民地电力和热成像数据预测HY和BWY.
科学领域:
- 农业科学 农业科学
- 动物科学动物科学
- 数据科学数据科学数据科学
背景情况:
- 养蜂的可持续性依赖于了解影响蜂蜜和蜂产量的因素 (HY和BWY).
- 准确的产量预测对于养蜂人来说至关重要,以管理资源并确保蜂群健康.
- 需要使用非侵入性监测方法来评估蜂巢的生产力,而不会造成压力.
研究的目的:
- 为了预测蜂蜜和蜜蜂产量 (HY和BWY) 在Apis mellifera殖民地.
- 评估分类和回归树 (CART),极端梯度提升 (XGBoost) 和随机森林 (RF) 算法的产量预测性能.
- 通过热成像和数据挖掘技术,确定影响HY和BWY的关键因素.
主要方法:
- 使用数据挖掘算法 (CART,XGBoost,RF) 来预测HY和BWY.
- 使用热图像处理来捕获殖民地热数据 (Tmin,Tmax,Tmean).
- 评估了独立变量的影响,包括殖民地功率 (CP),品种和各种颜色参数 (a *,b *,红色,绿色,和,亮度) 对产量的影响.
主要成果:
- XGBoost,CART和RF算法显示了HY和BWY的高预测性能.
- 殖民地功率,热温度和特定的图像颜色值显著影响了不同算法的产量.
- 女王的出生年份,L,色调和蓝色没有显著影响HY和BWY的预测.
结论:
- XGBoost和CART算法在使用CP,热温度和图像值来预测HY和BWY方面非常有效.
- 这些预测模型为生产者提供了一种快速,非侵入性的方法来监测蜂蜜和蜜蜂产量.
- 这些发现支持通过提供有效产量评估和预测工具来加强养蜂管理策略.
