开发基于人工智能的蜜蜂健康评估集成系统

蜜蜂为全球约三分之一的食物供应授粉，但由于农药和害虫等多种因素，过去十年中蜂群数量惊人地下降了近 40%。传统的蜂箱监测方法（如人工检查）具有主观性、干扰性强且耗时。为了克服这些局限性，人工智能已被用于评估蜂箱健康。然而，先前的研究缺乏端到端的解决方案，且主要依赖单一来源的数据，要么是蜜蜂图像，要么是声音。本研究介绍了一个由蜜蜂目标检测和健康评估组成的综合系统。此外，该系统利用视觉和音频信号的组合来分析蜜蜂行为。我们开发了一种基于注意力的多模态神经网络（AMNN），以自适应地关注每种信号类型的关键特征，从而实现准确的蜜蜂健康评估。AMNN 的总体准确率达到 92.61%，超过了现有的八种单信号卷积神经网络和循环神经网络。其表现优于最佳基于图像的模型 32.51%，优于顶级基于声音的模型 13.98%，同时保持了高效的处理时间。此外，它提高了预测的鲁棒性，在所有四种评估的健康状况下 F1 分数均高于 90%。研究还表明，音频信号在评估蜜蜂健康方面比图像更可靠。通过将 AMNN 与图像和声音数据无缝集成到一个全面的蜜蜂健康监控系统中，该方法为蜜蜂疾病的早期检测和蜂群保护提供了一种更高效且非侵入性的解决方案。