基于多变温度特征提取和机器学习的蜜蜂群生长周期识别
Chuanqi Lu1,2, Lin Li1, Denghua Li2
1College of Engineering, Huazhong Agricultural University, Wuhan 430070, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一种新的机器学习方法,用于使用温度数据识别蜂群生长周期. 该方法准确地预测了生长阶段,帮助养蜂人管理蜂群.
科学领域:
- 农业科学 农业科学
- 数据科学数据科学数据科学
- 昆虫学 昆虫学是一门学科.
背景情况:
- 准确识别蜂群生长周期对于有效的养蜂管理至关重要.
- 传统方法依赖于手工经验,这可能是主观的,耗时的.
研究的目的:
- 开发一个智能系统来识别蜂群生长周期.
- 利用多变量温度数据和机器学习来提高准确性和效率.
主要方法:
- 从两个地区的38个蜂巢收集了全年温度数据.
- 提取了17个时间域特征指数,并分析了跨不同时间尺度的特征灵敏度.
- 应用主要组件分析 (PCA) 用于减小维度和功能增强.
- 利用六个机器学习算法 (监督和无监督) 来识别生长期.
主要成果:
- 提取的温度特征有效地描述了蜂群生长周期.
- 逆向传播 (BP) 神经网络实现了最佳性能,平均绝对误差 (MAE) 为1.45%.
- 该方法在不同地理区域证明了可行性.
结论:
- 拟议的方法提供了一个数据驱动和智能解决方案,用于识别蜜蜂群生长周期.
- 这种技术可以显著改善养蜂决策,促进蜂群的发展.
- 这些发现突显了机器学习在精密蜜蜂养殖中的潜力.
更多相关视频
08:53Preparation of Single-cohort Colonies and Hormone Treatment of Worker Honeybees to Analyze Physiology Associated with Role and/or Endocrine System
Published on: September 6, 2016
16.0K
10:35Monitoring Colony-level Effects of Sublethal Pesticide Exposure on Honey Bees
Published on: November 15, 2017
9.3K
