自动化蜜蜂亚种识别使用先进的翅膀分析和自适应层次集群
Shahram Dadgostar1, Parsa Mobini Dehkordi2, Saman Khodarahmi2
1Khansar Honey Bee and Herbal Medicines Research Institute University of Isfahan Isfahan Iran.
Ecology and evolution
|September 5, 2025
概括
精确的蜜蜂亚种识别现在是可扩展和无标签的. 我们的新计算方法使用图像处理和聚类来可靠地区分亚种,
科学领域:
- 昆虫学与生物多样性科学
- 计算生物学和图像分析
- 保护遗传学
背景情况:
- 准确的蜜蜂亚种识别对于生物多样性和授粉至关重要.
- 像形态测量和深度学习这样的当前方法在可扩展性,主观性和可解释性方面都有局限性,特别是在混合群体中.
- 现有的技术难以与混合蜂群中的表型梯度分析平衡.
研究的目的:
- 开发一个可扩展的,无标签的蜜蜂亚种识别的新计算框架.
- 克服传统形态测量和监督深度学习方法的局限性.
- 为生态监测和蜜蜂种群保护提供实用工具.
主要方法:
- 整合自适应图像处理 (NLM无声化,CLAHE,自适应值,形态操作) 的管道,以隔离翅膀静脉.
- 张苏恩骨架化以提取基于图形的特征地图,捕捉静脉几何和拓.
- 适应性等级分类 (AHC) 用于无标签分类,包括杂交标本.
主要成果:
- 这个框架成功处理了26,481张机翼图像.
- 实现了0.72的轮得分, 这表明集群分离良好.
- 与混合数据集的传统形态测量技术相比,分类精度提高了26.1%.
结论:
- 拟议的方法为蜜蜂亚种的识别提供了可扩展和可解释的解决方案.
- 它有效地解决了区分杂交种群和表型中间体的挑战.
- 这种计算方法结合了手动和自动化方法的优势, 为环保主义者提供了宝贵的工具.


