Machine Learning and Computer Vision Techniques in Continuous Beehive Monitoring Applications: A survey

要約

機械学習およびコンピューター ビジョン技術が広く使用され、利用可能になったことにより、多くの分野で比較的複雑な監視システムの開発が可能になりました。
従来の産業分野に加えて、生物学や農業にも新しい応用が現れており、そこでは感染症、寄生虫、雑草の検出だけでなく、自動監視や早期警告システムについても話すことができます。
これは、Arduino や RaspberryPi ファミリなど、簡単にアクセスできるハードウェアや開発キットの導入にも関係しています。
この論文では、コンピュータビジョン技術を使用した自動ミツバチの巣モニタリング方法、特にミツバチの移動モニタリングと合わせた花粉とバロアダニの検出に焦点を当て、50の既存の論文を調査します。
このようなシステムは、ミツバチのコロニーの監視や健康状態の検査にも使用でき、状況が危機的になる前に潜在的に危険な状態を特定したり、ミツバチのコロニーの定期検査をより適切に計画して大幅なコストを節約したりすることができます。
その後、この応用分野の研究傾向の分析も含め、新たな探求の可能性のある方向性を概説します。
私たちの論文は、機械学習の可能性を紹介するのに精通していない可能性のある獣医学や疫病学の専門家や専門家も対象としているため、アプリケーションの各ファミリーは、その基本手法に関連する簡単な理論的紹介と動機によって開始されます。
この論文が他の科学者に、蜂の巣の監視における他の用途に機械学習技術を使用するよう促すことを願っています。

要約(オリジナル)

Wide use and availability of the machine learning and computer vision techniques allows development of relatively complex monitoring systems in many domains. Besides the traditional industrial domain, new application appears also in biology and agriculture, where we could speak about the detection of infections, parasites and weeds, but also about automated monitoring and early warning systems. This is also connected with the introduction of the easily accessible hardware and development kits such as Arduino, or RaspberryPi family. In this paper, we survey 50 existing papers focusing on the methods of automated beehive monitoring methods using the computer vision techniques, particularly on the pollen and Varroa mite detection together with the bee traffic monitoring. Such systems could also be used for the monitoring of the honeybee colonies and for the inspection of their health state, which could identify potentially dangerous states before the situation is critical, or to better plan periodic bee colony inspections and therefore save significant costs. Later, we also include analysis of the research trends in this application field and we outline the possible direction of the new explorations. Our paper is aimed also at veterinary and apidology professionals and experts, who might not be familiar with machine learning to introduce them to its possibilities, therefore each family of applications is opened by a brief theoretical introduction and motivation related to its base method. We hope that this paper will inspire other scientists to use machine learning techniques for other applications in beehive monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google