使用无人机图像和深度学习来自动检测和监测地面蜂巢
Philippe Tschanz1,2, Thomas Renggli1, Jonas Winizki1
1Agroscope, Agroecology and Environment Zurich Switzerland.
Ecology and evolution
|January 14, 2026
概括
研究人员开发了一种无人机和人工智能系统,可以在土壤中自动检测地面化的蜜蜂巢 (tumuli). 这种方法可以准确地识别蜜蜂巢,帮助对这些重要的授粉者进行关键的保护工作.
科学领域:
- 生态生态学 生态生态学
- 保护生物学 保护生物学
- 计算机科学 计算机科学
背景情况:
- 地下巢的蜜蜂对于授粉和土壤健康至关重要,但许多物种面临威胁.
- 对息地要求的有限知识阻碍了保护,因为在寻找的困难.
- 缺乏有效的地面蜂群监测方法.
研究的目的:
- 评估使用无人机成像和深度学习来自动检测地面蜂巢的可行性.
- 为了区分蜜蜂巢丘陵与其他土壤表面特征,如土虫造.
- 提供可扩展的系统监测蜜蜂筑巢地点,以支持保护.
主要方法:
- 使用无人机在120平方米的面积上获取高分辨率的空中图像.
- 应用深度学习模型来检测和分类土壤丘 (tumuli) 作为蜜蜂巢.
- 模型与地面验证数据的验证,区分土与虫件.
主要成果:
- 深度学习模型在检测蜜蜂巢 tumuli.中获得了高F1评分0.90 (精度:0.89,回忆:0.91).
- 该系统准确地区分了蜜蜂巢和虫.
- 错误的分类主要是由于非典型的丘陵形状或重叠的丘陵.
结论:
- 基于无人机的成像与深度学习相结合,显示出有效监测地面蜂群的巨大潜力.
- 这种自动化方法可以为了解蜜蜂巢生物和支持保护策略提供关键数据.
- 未来的研究应该探索在各种息地和物种中更广泛的适用性,并研究像图像分割这样的替代方法.
