論文の概要: Queen Detection in Beehives via Environmental Sensor Fusion for Low-Power Edge Computing

• arxiv url: http://arxiv.org/abs/2509.14061v1
• Date: Wed, 17 Sep 2025 15:05:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.89759
• Title: Queen Detection in Beehives via Environmental Sensor Fusion for Low-Power Edge Computing
• Title（参考訳）: 低消費電力エッジコンピューティングのための環境センサフュージョンによるミツバチのクィーン検出
• Authors: Chiara De Luca, Elisa Donati,
• Abstract要約: ミツバチの巣の健康と安定にはミツバチ女王の存在が不可欠である。 現在のモニタリング方法は、労働集約的で破壊的であり、大規模なミツバチの飼育には実用的でない手動検査に依存している。 環境センサ融合に基づくクイーン検出のための軽量マルチモーダルシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Queen bee presence is essential for the health and stability of honeybee colonies, yet current monitoring methods rely on manual inspections that are labor-intensive, disruptive, and impractical for large-scale beekeeping. While recent audio-based approaches have shown promise, they often require high power consumption, complex preprocessing, and are susceptible to ambient noise. To overcome these limitations, we propose a lightweight, multimodal system for queen detection based on environmental sensor fusion-specifically, temperature, humidity, and pressure differentials between the inside and outside of the hive. Our approach employs quantized decision tree inference on a commercial STM32 microcontroller, enabling real-time, low-power edge computing without compromising accuracy. We show that our system achieves over 99% queen detection accuracy using only environmental inputs, with audio features offering no significant performance gain. This work presents a scalable and sustainable solution for non-invasive hive monitoring, paving the way for autonomous, precision beekeeping using off-the-shelf, energy-efficient hardware.
• Abstract（参考訳）: ミツバチの巣の健康と安定性には女王蜂の存在が不可欠であるが、現在のモニタリング手法は労働集約的で破壊的であり、大規模なミツバチの飼育には実用的ではない手動検査に依存している。 最近のオーディオベースのアプローチは将来性を示しているが、しばしば高消費電力、複雑な前処理を必要とし、周囲の騒音に影響を受けやすい。 これらの制約を克服するために,環境センサの融合,温度,湿度,圧力差に基づくクイーン検出のための軽量マルチモーダルシステムを提案する。 提案手法では,商用STM32マイクロコントローラ上での定量化決定木推論を用いて,精度を損なうことなく,リアルタイム,低消費電力エッジコンピューティングを実現する。 本システムでは,環境入力のみを用いて,99%以上のクィーン検出精度を実現している。 この研究は、非侵襲的なハイブ監視のためのスケーラブルで持続可能なソリューションを示し、オフザシェルフでエネルギー効率のよいハードウェアを使用して、自律的で精度の高いビーキーキングを実現する。

関連論文リスト

• A Survey of TinyML Applications in Beekeeping for Hive Monitoring and Management [4.88600037566401]
  ハチのコロニーは地球規模の食料安全保障と生態系の安定に不可欠だが、害虫、病気、環境ストレスからの脅威がエスカレートする。 従来のハイブインスペクションは労働集約的で破壊的だが、クラウドベースのモニタリングソリューションは、リモートやリソース制限のアピアリーには実用的ではない。 IoT(Internet of Things)とTiny Machine Learning(TinyML)の最近の進歩は、エッジデバイス上での低消費電力でリアルタイムな監視を可能にする。 この調査は、TinyMLとアピカルチャーの交差点における現在のイノベーションを合成し、ハチの状態のモニタリング、蜂の行動の認識、害虫や病気の検出、予測の4つの重要な機能領域を包含する。
  論文  参考訳（メタデータ） (2025-09-10T17:53:39Z)
• Optimizing Continuous-Wave Pumped Entanglement-based QKD in Noisy Environment [0.6291443816903801]
  量子鍵分布(QKD)は、量子コンピュータの脅威から暗号システムを保護するための有望なソリューションとして登場した。 本稿では,検出タイミングの不確実性(ジッタ)を含むQKDシステムパラメータに対する極端雑音の影響について検討する。 これらのパラメータの変化は、ノイズの多い環境でのシステム性能を決定する上で重要な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2025-02-20T21:45:14Z)
• TinyML NLP Scheme for Semantic Wireless Sentiment Classification with Privacy Preservation [49.801175302937246]
  本研究は、エッジデバイスにプライバシ保護、エネルギー効率の高いNLPモデルをデプロイする際の洞察を提供する。 セマンティックスプリットラーニング(SL)を,エネルギー効率,プライバシ保護,小型機械学習(TinyML)フレームワークとして導入する。 その結果,FLの4倍,CLの約18倍の再現誤差の増加により,SLは計算能力とCO2排出量を著しく低減し,プライバシーの向上を図った。
  論文  参考訳（メタデータ） (2024-11-09T21:26:59Z)
• One-step Noisy Label Mitigation [86.57572253460125]
  ノイズラベルのトレーニング過程に対する有害な影響の軽減がますます重要になっている。 モデルに依存しないノイズラベル緩和パラダイムである1ステップアンチノイズ(OSA)を提案する。 我々はOSAの優位性を実証的に実証し、トレーニングの堅牢性の向上、タスク転送性の向上、デプロイメントの容易性、計算コストの削減を強調した。
  論文  参考訳（メタデータ） (2024-10-02T18:42:56Z)
• Environment-independent mmWave Fall Detection with Interacting Multiple Model [1.9358739203360094]
  mmWave radarは、プライバシー保護と非接触性のための有望な候補技術である。 FADEは現実のシナリオにおいて精度と堅牢性を高めた実用的な落下検知レーダーシステムである。
  論文  参考訳（メタデータ） (2023-11-15T07:49:46Z)
• A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
  NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。 ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。 NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
  論文  参考訳（メタデータ） (2023-04-28T13:06:14Z)
• Amplitude-Varying Perturbation for Balancing Privacy and Utility in Federated Learning [86.08285033925597]
  本稿では,フェデレート学習のプライバシを保護するため,時変雑音振幅を持つ新しいDP摂動機構を提案する。 我々は、FLの過度な摂動ノイズによる早期収束を防止するために、シリーズのオンラインリファインメントを導出した。 新しいDP機構のプライバシ保存FLの収束と精度への寄与は、持続的な雑音振幅を持つ最先端のガウスノイズ機構と比較して相関する。
  論文  参考訳（メタデータ） (2023-03-07T22:52:40Z)
• Enhancing the sensitivity of atom-interferometric inertial sensors using robust control [0.0]
  実際の環境での運用は、外部からの干渉、プラットフォームノイズ、サイズ、重量、電力に対する制約によって困難である。 本研究では,ロバスト制御技術を用いて設計した調整光パルスが原子間干渉加速度計において重要な誤差源を緩和することを示す。
  論文  参考訳（メタデータ） (2023-03-07T06:50:52Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Efficient and robust certification of genuine multipartite entanglement in noisy quantum error correction circuits [58.720142291102135]
  実効多部絡み(GME)認証のための条件付き目撃手法を導入する。 線形な二分割数における絡み合いの検出は, 多数の測定値によって線形にスケールし, GMEの認証に十分であることを示す。 本手法は, 距離3の位相的カラーコードとフラグベースの耐故障バージョンにおける安定化作用素の雑音可読化に適用する。
  論文  参考訳（メタデータ） (2020-10-06T18:00:07Z)

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。