利用深度学习快速准确测量蜜蜂蜂群工蜂数量
定量方法
2025-12-15 v1 人工智能
摘要
蜜蜂在授粉中发挥关键作用，对全球农业和生态系统贡献显著。准确估计蜂巢种群对于理解环境因素对蜂群的影响至关重要，然而传统计数蜜蜂的方法耗时、费力且容易出错，尤其是在大规模研究中。在本文中，我们提出了一种基于深度学习的蜜蜂种群计数自动化解决方案，使用CSRNet并引入了ASUBEE——首个专门为该任务设计的高分辨率数据集。我们的方法采用密度图估计来预测蜜蜂种群数量，有效解决了蜂巢监测中常见的遮挡和蜜蜂重叠等挑战。我们证明CSRNet在时间效率方面表现出色，每张图像仅需1秒计算时间，同时在复杂且密集的蜂巢场景中仍能提供准确计数。我们的结果表明，像CSRNet这样的深度学习方法可以显著提升蜂巢种群评估的效率，为研究人员和养蜂人提供有价值的工具。本工作标志着将AI技术应用于生态研究的重要进展，为蜜蜂种群监测提供了可扩展且精确的解决方案。
引用
@article{arxiv.2512.11075,
title = {Fast, accurate measurement of the worker populations of honey bee colonies using deep learning},
author = {Junmin Zhong and Jon F. Harrison and Jennie Si and Jun Chen},
journal= {arXiv preprint arXiv:2512.11075},
year = {2025}
}