连续蜂箱监测应用中的机器学习与计算机视觉技术：综述
计算机视觉与模式识别
2023-09-15 v3 人工智能
机器学习
摘要
机器学习与计算机视觉技术的广泛使用和可得性，使得在许多领域开发较为复杂的监测系统成为可能。除传统工业领域外，生物学和农业中也出现了新的应用，例如对感染、寄生虫和杂草的检测，以及自动化监测与预警系统。这也与 Arduino 或 RaspberryPi 系列等易获取硬件和开发套件的引入相关。本文综述了 50 篇现有论文，聚焦于利用计算机视觉技术实现蜂箱自动化监测的方法，特别是花粉与瓦螨（Varroa mite）检测以及蜜蜂流量监测。此类系统亦可用于监测蜂群并检视其健康状态，从而在情况危急前识别潜在危险状态，或更好地规划周期性蜂群检查，进而节省显著成本。随后，我们还分析了该应用领域的研究趋势，并勾勒出新的探索方向。本文亦面向可能不熟悉机器学习的兽医与养蜂学专业人员及专家，以向其介绍相关可能性，因此每一类应用前均附有与其基础方法相关的简要理论介绍与动机说明。我们希望本文能启发其他科学家将机器学习技术用于蜂箱监测的其他应用。
引用
@article{arxiv.2208.00085,
title = {Machine Learning and Computer Vision Techniques in Continuous Beehive Monitoring Applications: A survey},
author = {Simon Bilik and Tomas Zemcik and Lukas Kratochvila and Dominik Ricanek and Milos Richter and Sebastian Zambanini and Karel Horak},
journal= {arXiv preprint arXiv:2208.00085},
year = {2023}
}