ВИКОРИСТАННЯ ЧАСОВИХ РЯДІВ ТА НЕЙРОННИХ МЕРЕЖ LSTM ДЛЯ ІДЕНТИФІКАЦІЇ СТАНІВ ВУЛИКА
DOI:
https://doi.org/10.34185/1991-7848.itmm.2025.01.098Ключові слова:
моніторинг бджіл, стан вулика, часові ряди, LSTM, нейронні мережі, машинне навчання, бджільництво, RNN.Анотація
Бджоли є надзвичайно важливими для екосистем та сільського господарства, проте їх популяції скорочуються через різноманітні загрози. Це зумовлює критичну потребу в ефективних системах моніторингу стану бджолиних сімей для своєчасного сповіщення пасічника. Традиційні методи мають обмеження, тому зростає інтерес до застосування нейронних мереж для цієї задачі. Метою даної роботи є розробка моделей на основі архітектури LSTM для ідентифікації різних станів вулика за допомогою аналізу часових рядів даних сенсорів (вага, температура). Було використано набір даних, що пройшов попередню обробку, включаючи агрегацію, інтерполяцію, розрахунок похідних ознак та сегментацію. Навчені дві LSTM-моделі - для точкових (роїння, підгодовування, забір меду) та глобальних станів (нормальний, загибель, весняний розвиток, медозбір) – продемонстрували високу точність (96% та 92% відповідно), підтверджуючи ефективність підходу.
Посилання
Overview of Bee Pollination and Its Economic Value for Crop Production / S. A. M. Khalifa et al. // Insects. 2021. Vol. 12, iss. 8. Art. 688. URL: https://doi.org/10.3390/insects12080688
Kviesis A. Application of neural networks for honey bee colony state identification / A. Kviesis, A. Zacepins // 2016 17th International Carpathian Control Conference (ICCC) (High Tatras, Slovakia, 29 May–1 June 2016) : матеріали. Piscataway : IEEE, 2016. P. 413–417. URL: https://doi.org/10.1109/CarpathianCC.2016.7501133
Senger D., Gruber C., Kluss T., Johannsen C. Weight, temperature and humidity sensor data of honey bee colonies in Germany, 2019–2022 / D. Senger, C. Gruber, T. Kluss, C. Johannsen // Data in Brief. 2024. Т. 52. Art. 110015. URL: https://doi.org/10.1016/j.dib.2023.110015
