使用基于AI的图像分析来检测蜂在巢盒周围的行为

科学领域:

• 农业科学 农业科学
• 昆虫学 昆虫学是一门学科.
• 计算机视觉 计算机视觉

背景情况:

• 熊蜂对于温室授粉至关重要,特别是在草种植中.
• 监测授粉者行为对于优化作物产量和了解殖民地健康至关重要.
• 目前用于追踪昆虫活动的方法可能是劳动密集型和容易出错的.

研究的目的:

• 开发和验证一个自动化系统,用于监控大黄蜂巢盒的入口和出口行为.
• 为了比较基于算法的新型检测方法与标准物体检测模型 (YOLO) 的性能.
• 提高受控农业环境中授粉者行为分析的准确性和效率.

主要方法:

• 工业摄像机拍摄了大黄蜂在巢盒入口的活动视频.
• 在巢盒入口处实现了一个虚拟立方体形状的框架,用于跟踪.
• 使用YOLO进行了熊蜂检测和计数,并使用YOLO和YOLO之间的比较,使用基于交叉的简单算法来分类输入/输出.

主要成果:

• 与YOLO-only方法相比,基于算法的方法显著提高了准确性,精度和F1得分.
• 顺利实现了大蜂进出口的自动计数.
• 拟议的方法在区分真实输入/输出与犹或重新输入方面表现出卓越的性能.

结论:

• 开发的自动化方法有效地支持在草温室中监测黄蜂行为.
• 这种计算机视觉方法为授粉者研究提供了一个更准确,更有效的替代手工观测方法.
• 这些发现有助于改善保护农业中大黄蜂授粉的管理策略.