АДАПТИВНИЙ ПІДХІД ДО ВИЗНАЧЕННЯ СТАНУ ВУЛИКА ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ ТА АНАЛІЗУ АУДІО
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.021Ключові слова:
нейронні мережі, бджоли, глибоке навчання, аналіз аудіо, tensorflow, згорткові нейронні мережі, mfccs, stft.Анотація
У сучасному бджільництві ідентифікація присутності матки в вулику є важливим завданням, що впливає на здоров'я та продуктивність бджолиної колонії. Розвиток методів машинного навчання, зокрема згорткових нейронних мереж, відкриває нові можливості для автоматизації цього процесу. Ця стаття фокусується на використанні нейронних мереж та способів виділення характеристик аудіоданих MFCCs та STFT для ідентифікації стану відсутності матки у вулику, а також огляд можливостей використання навчених моделей на даних з інших вуликів. Результати дослідження демонструють, що MFCCs є більш універсальним способом обробки даних для цієї мети, порівняно з STFT, який показав позитивні результати на першому наборі даних, але не показав значних результатів на другому. Також, використання навченої моделі з використанням MFCCs на обмеженому наборі даних показало кращий результат ніж повне навчання моделі на цих даних.
Посилання
Kremen C., Williams N. M., Thorp R. W. Crop pollination from native bees at risk from agricultural intensification. Proceedings of the National Academy of Sciences. 2002.
Vol. 99, no. 26. P. 16812–16816.
Kirchner W. H. Acoustical communication in honeybees. Apidologie. 1993. Vol. 24,
no. 3. P. 297–307.
Use of LSTM Networks to Identify “Queenlessness” in Honeybee Hives from Audio Signals / S. Ruvinga et al. 2021 17th International Conference on Intelligent Environments (IE), Dubai, United Arab Emirates, 21–24 June 2021. 2021.
Nolasco I., Benetos E. To bee or not to bee: Investigating machine learning approaches to beehive sound recognition. Workshop on Detection and Classification of Acoustic Scenes and Events (DCASE). 2018.
