論文の概要: Visual diagnosis of the Varroa destructor parasitic mite in honeybees
using object detector techniques
- arxiv url: http://arxiv.org/abs/2103.03133v1
- Date: Fri, 26 Feb 2021 11:01:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 08:23:40.898560
- Title: Visual diagnosis of the Varroa destructor parasitic mite in honeybees
using object detector techniques
- Title（参考訳）: 物体検出法を用いたミツバチのハチ寄生ダニの視覚診断
- Authors: Simon Bilik, Lukas Kratochvila, Adam Ligocki, Ondrej Bostik, Tomas
Zemcik, Matous Hybl, Karel Horak, Ludek Zalud
- Abstract要約: varroa destructor miteは世界で最も危険なミツバチ寄生虫の1つである。
ここでは、ミツバチコロニーの健康状態モニタリングのためのオブジェクト検出器に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 2.638512174804417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Varroa destructor mite is one of the most dangerous Honey Bee (Apis
mellifera) parasites worldwide and the bee colonies have to be regularly
monitored in order to control its spread. Here we present an object detector
based method for health state monitoring of bee colonies. This method has the
potential for online measurement and processing. In our experiment, we compare
the YOLO and SSD object detectors along with the Deep SVDD anomaly detector.
Based on the custom dataset with 600 ground-truth images of healthy and
infected bees in various scenes, the detectors reached a high F1 score up to
0.874 in the infected bee detection and up to 0.727 in the detection of the
Varroa Destructor mite itself. The results demonstrate the potential of this
approach, which will be later used in the real-time computer vision based honey
bee inspection system. To the best of our knowledge, this study is the first
one using object detectors for this purpose. We expect that performance of
those object detectors will enable us to inspect the health status of the honey
bee colonies.
- Abstract（参考訳）: ミツバチは世界で最も危険なミツバチ(apis mellifera)寄生虫の1つであり、ミツバチのコロニーはその拡散を制御するために定期的に監視されなければならない。
本稿では,ミツバチコロニーの健康状態モニタリングのためのオブジェクト検出法を提案する。
この方法はオンライン計測と処理の可能性を秘めている。
実験では、YOLOとSSDオブジェクト検出器とDeep SVDD異常検出器を比較した。
さまざまな場面で健康なハチと感染したハチの600枚の地上写真によるカスタムデータセットに基づいて、検出装置は感染したミツバチの検出では0.874点、バロアデストラクタのダニ検出では0.727点に達した。
その結果, リアルタイムコンピュータビジョンを用いたミツバチ検査システムにおいて, このアプローチの可能性を実証した。
私たちの知る限りでは、この研究は物体検出器をこの目的のために使う最初の研究です。
これらの物体検出器の性能は、ミツバチコロニーの健康状態を検査できると期待しています。
関連論文リスト
- Computer Vision Approaches for Automated Bee Counting Application [0.62914438169038]
本稿では,2つのデータセットを数える自動蜂の3つの方法を比較する。
最も優れたパフォーマンスの方法は、BUT1データセットで87%、BUT2データセットで93%の精度を達成したResNet-50畳み込みニューラルネットワーク分類器に基づいている。
論文 参考訳（メタデータ） (2024-06-13T07:51:08Z) - A noisy elephant in the room: Is your out-of-distribution detector robust to label noise? [49.88894124047644]
我々は、最先端のOOD検出方法20について詳しく検討する。
不正に分類されたIDサンプルとOODサンプルの分離が不十分であることを示す。
論文 参考訳（メタデータ） (2024-04-02T09:40:22Z) - Developing an AI-based Integrated System for Bee Health Evaluation [2.000782513783418]
ハチは世界の食糧の約3分の1を受粉する。
キノコのコロニーは過去10年間で40%近く減少した。
本研究では,ミツバチの物体検出と健康評価を総合的に行うシステムを提案する。
論文 参考訳（メタデータ） (2024-01-18T14:06:29Z) - IntelliBeeHive: An Automated Honey Bee, Pollen, and Varroa Destructor
Monitoring System [0.157286095422595]
我々は,ハチミツバチのコロニー崩壊障害,ミツバチの行動,個体数減少,群集の健康状態の理解を高めるため,ハチミツバチモニタリングシステムを開発した。
システムは、リアルタイムでデータを提供するハイブの入り口に位置し、ビーキーパーは、アカウントベースのウェブサイトを通じてハイブの活動と健康を綿密に監視することができる。
機械学習を用いることで、ミツバチを正確に追跡し、花粉収集活動を監視し、ミツバチを混乱させることなくバロアミツバチを検出できます。
論文 参考訳（メタデータ） (2023-09-16T11:13:47Z) - Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection
Capability [70.72426887518517]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。
本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。
本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
論文 参考訳（メタデータ） (2023-06-06T14:23:34Z) - Raspberry Pi Bee Health Monitoring Device [0.0]
ミツバチの減少は世界の食料資源に脅威をもたらす可能性がある。
ミツバチの健康状態をセンサーやデバイスで監視する試みだ。
論文 参考訳（メタデータ） (2023-04-27T18:05:52Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳（メタデータ） (2022-10-10T17:37:56Z) - ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding
Attacks via Patch-agnostic Masking [95.6347501381882]
物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。
我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
論文 参考訳（メタデータ） (2022-02-03T19:34:25Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - Mate! Are You Really Aware? An Explainability-Guided Testing Framework
for Robustness of Malware Detectors [49.34155921877441]
マルウェア検出装置のロバスト性を示すための説明可能性誘導型およびモデルに依存しないテストフレームワークを提案する。
次に、このフレームワークを使用して、操作されたマルウェアを検出する最先端のマルウェア検知器の能力をテストする。
我々の発見は、現在のマルウェア検知器の限界と、その改善方法に光を当てた。
論文 参考訳（メタデータ） (2021-11-19T08:02:38Z) - Anomaly Detection in Beehives using Deep Recurrent Autoencoders [3.449808359602251]
本稿では、その起源に依存しないデータの任意の種類の異常を検出するディープラーニングモデルであるオートエンコーダを提案する。
我々のモデルは、単純なルールベースのSwarm検出アルゴリズムと同一のSwarmを明らかにすることができるが、他の異常によっても引き起こされる。
論文 参考訳（メタデータ） (2020-03-10T08:39:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。