論文の概要: IntelliBeeHive: An Automated Honey Bee, Pollen, and Varroa Destructor
Monitoring System
- arxiv url: http://arxiv.org/abs/2309.08955v1
- Date: Sat, 16 Sep 2023 11:13:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 18:11:05.872497
- Title: IntelliBeeHive: An Automated Honey Bee, Pollen, and Varroa Destructor
Monitoring System
- Title（参考訳）: IntelliBeeHive:ハニービー、ポーレン、バラアデストラクタ自動監視システム
- Authors: Christian I. Narcia-Macias, Joselito Guardado, Jocell Rodriguez,
Joanne Rampersad-Ammons, Erik Enriquez, Dong-Chul Kim
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.157286095422595
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Utilizing computer vision and the latest technological advancements, in this
study, we developed a honey bee monitoring system that aims to enhance our
understanding of Colony Collapse Disorder, honey bee behavior, population
decline, and overall hive health. The system is positioned at the hive entrance
providing real-time data, enabling beekeepers to closely monitor the hive's
activity and health through an account-based website. Using machine learning,
our monitoring system can accurately track honey bees, monitor pollen-gathering
activity, and detect Varroa mites, all without causing any disruption to the
honey bees. Moreover, we have ensured that the development of this monitoring
system utilizes cost-effective technology, making it accessible to apiaries of
various scales, including hobbyists, commercial beekeeping businesses, and
researchers. The inference models used to detect honey bees, pollen, and mites
are based on the YOLOv7-tiny architecture trained with our own data. The
F1-score for honey bee model recognition is 0.95 and the precision and recall
value is 0.981. For our pollen and mite object detection model F1-score is 0.95
and the precision and recall value is 0.821 for pollen and 0.996 for "mite".
The overall performance of our IntelliBeeHive system demonstrates its
effectiveness in monitoring the honey bee's activity, achieving an accuracy of
96.28 % in tracking and our pollen model achieved a F1-score of 0.831.
- Abstract（参考訳）: 本研究は, コンピュータビジョンと最新の技術進歩を活用して, ミツバチのコロニー崩壊障害, ハチの行動, 個体数減少, および総ヒツバチの健康状態の理解を高めることを目的としたミツバチモニタリングシステムを開発した。
このシステムは、リアルタイムデータを提供するhiveの入り口に位置しており、養蜂家たちはアカウントベースのウェブサイトを通じてhiveの活動と健康を注意深く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。
また,このモニタリングシステムの開発には費用効率の高い技術が利用されており,ホビイストや商業的養蜂事業,研究者など,様々なスケールのアパイアに利用することができる。
ミツバチ、花粉、ダニの検出に使用される推論モデルは、私たちのデータでトレーニングされたyolov7-tinyアーキテクチャに基づいています。
ミツバチモデル認識用F1スコアは0.95であり、精度およびリコール値は0.981である。
花粉およびマイト物検出モデルF1スコアは0.95で, 精度とリコール値は0.821, マイトは0.996であった。
本システムの性能は,ハチの活動のモニタリングに有効であることを示し,追跡精度96.28%を達成し,花粉モデルは0.831のf1-scoreを達成した。
関連論文リスト
- DigiRL: Training In-The-Wild Device-Control Agents with Autonomous Reinforcement Learning [61.10299147201369]
本稿では,Wild デバイス制御エージェントをトレーニングするための新しい自律型 RL 手法である DigiRL を提案する。
VLMベースの評価器を備えた,スケーラブルで並列化可能なAndroid学習環境を構築する。
我々はAndroid-in-the-Wildデータセットを使用してDigiRLの有効性を実証し、RLでトレーニングした1.3B VLMは49.5%の絶対改善を実現した。
論文 参考訳（メタデータ） (2024-06-14T17:49:55Z) - 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) - Enhancing Pollinator Conservation towards Agriculture 4.0: Monitoring of Bees through Object Recognition [0.6334523276812193]
本稿では,ハチの行動の自律的追跡・報告にコンピュータビジョンと物体認識を用いる方法について検討する。
ビデオストリームから蜂を含む9664画像の新しいデータセットを抽出し、バウンディングボックスで注釈付けする。
トレーニングされたモデルは、説明可能なAIインターフェース内にパッケージされ、検出イベントをタイムスタンプされたレポートとチャートに変換する。
論文 参考訳（メタデータ） (2024-05-24T10:45:24Z) - 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) - A Machine Learning Approach to Forecasting Honey Production with
Tree-Based Methods [0.0]
我々は,ハチミツ生産のドライバを木ベースの方法で切り離し,イタリアにおけるハチミツ生産の変動を予測する。
このデータベースは、2019年から2022年にかけての何百ものビーヒーブデータを、高度な精度のビーキーピング技術でカバーしている。
論文 参考訳（メタデータ） (2023-03-30T07:21:51Z) - 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) - Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。
入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。
CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
論文 参考訳（メタデータ） (2022-07-13T14:13:49Z) - Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。
PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。
これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
論文 参考訳（メタデータ） (2022-05-06T17:47:05Z) - DrugOOD: Out-of-Distribution (OOD) Dataset Curator and Benchmark for
AI-aided Drug Discovery -- A Focus on Affinity Prediction Problems with Noise
Annotations [90.27736364704108]
我々は、AI支援薬物発見のための体系的なOODデータセットキュレーターおよびベンチマークであるTarmOODを提案する。
DrugOODには、ベンチマークプロセスを完全に自動化するオープンソースのPythonパッケージが付属している。
我々は、薬物標的結合親和性予測という、AIDDにおける最も重要な問題の1つに焦点を当てる。
論文 参考訳（メタデータ） (2022-01-24T12:32:48Z) - Visual diagnosis of the Varroa destructor parasitic mite in honeybees
using object detector techniques [2.638512174804417]
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。
論文 参考訳（メタデータ） (2021-02-26T11:01:31Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z)
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。