在蜂巢入口处视觉识别蜜蜂行为模式
Tomyslav Sledevič1, Artūras Serackis1, Dalius Matuzevičius1
1Department of Electronic Systems, Faculty of Electronics, Vilnius Gediminas Technical University - VILNIUS TECH, Vilnius, Lithuania.
PloS one
|February 25, 2025
概括
这项研究引入了一种自动化系统,用于识别蜂巢入口的蜜蜂行为模式,使用YOLOv8. 该方法通过精确监测蜜蜂活动,减少手工检查和改进蜂巢管理来增强养蜂.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 动物行为 动物行为
背景情况:
- 有效的养蜂和蜂巢管理依赖于了解蜜蜂的行为.
- 在蜂巢入口处手动监测蜜蜂活动是劳动密集型的,可能会扰乱蜂群.
研究的目的:
- 开发一种自动化系统,用于在蜂巢入口识别蜜蜂行为模式.
- 提高蜜蜂活动监测的准确性和效率,以改善养蜂.
主要方法:
- 利用YOLOv8模型进行对象检测和细分来分析蜜蜂行为.
- 开发了来自八个蜂巢的7200数据集,用于培训和验证.
- 在蜂巢入口区域内分析了蜜蜂的位置,方向,轨迹和速度.
主要成果:
- 在各种蜜蜂活动 (食,吹风,洗板,防御) 中,平均检测准确率为98%.
- 该系统以每秒高达36的速度运行,超越了现有的方法.
- 通过空间轨迹和密度图分析成功识别了重叠行为.
结论:
- 这种新的方法显著改善了对蜜蜂行为的自动监测.
- 减少手工检查的必要性,最大限度地减少干扰,提高蜂群健康.
- 为未来蜜蜂养殖中的自动化系统提供基础,以提高生产率.
更多相关视频
08:13SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware
Published on: December 25, 2017
8.1K
13:55Simultaneous Long-term Recordings at Two Neuronal Processing Stages in Behaving Honeybees
Published on: July 21, 2014
12.9K
