ВИКОРИСТАННЯ ЧАСОВИХ РЯДІВ ТА НЕЙРОННИХ МЕРЕЖ LSTM ДЛЯ ІДЕНТИФІКАЦІЇ СТАНІВ ВУЛИКА
DOI:
https://doi.org/10.34185/1562-9945-3-158-2025-13Ключові слова:
нейронні мережі, LSTM, часові ряди, tensorflow, моніторинг ваги, роїння бджіл, бджоли, моніторинг бджолиного вуликаАнотація
Бджоли є важливим елементом нашої екосистеми та економіки. З огляду на загрози, з якими стикаються популяції бджіл, розробка ефективних методів їх моніторингу та збереження є критично важливою. Метою роботи є розробка методів використання часових рядів та нейронних мереж на основі архітектури LSTM для ідентифікації різних станів вулика. В якості джерела даних для навчання моделей було використано відносні дані про вагу та температуру вулика, а також відомості про час та місяць. На основі цих даних було навчено дві моделі, які показали задовільні результати у задач розпізнавання точкових станів таких як роїння, додавання прикорму пасічником, або збір пасічником меду, та більш глобальних, таких як розігрів після зими та смерть колонії. Результати роботи цих моделей показали позитивну ефективність підходу застосування часових даних та нейронних мереж для ідентифікації станів вулику.
Посилання
Khalifa, S. A. M., Elshafiey, E. H., Shetaia, A. A., El-Wahed, A. A. A., Algethami, A. F., Musharraf, S. G., AlAjmi, M. F., Zhao, C., Masry, S. H. D., Abdel-Daim, M. M., Halabi, M. F., Kai, G., Al Naggar, Y., Bishr, M., Diab, M. A. M., & El-Seedi, H. R. (2021). Overview of Bee Pollination and Its Economic Value for Crop Production. Insects, 12(8), 688. https://doi.org/10.3390/insects12080688
The impact of ecosystem services on the intensification of agricultural production. (2021). Economic Journal of Lesya Ukrainka Volyn National University, 1(25), 37-51. https://doi.org/10.29038/2786-4618-2021-01-37-51
Warner, S., Pokhrel, L. R., Akula, S. M., Ubah, C. S., Richards, S. L., Jensen, H., & Kear-ney, G. D. (2024). A scoping review on the effects of Varroa mite (Varroa destructor) on global honey bee decline. Science of The Total Environment, 906, 167492. https://doi.org/10.1016/j.scitotenv.2023.167492.
Lima, M. A. P., Cutler, G. C., Mazzeo, G., & Hrncir, M. (2022). Editorial: The decline of wild bees: Causes and consequences. Frontiers in Ecology and Evolution, 10, 1027169. https://doi.org/10.3389/fevo.2022.1027169
Rigakis, I., Potamitis, I., Tatlas, N.-A., Psirofonia, G., Tzagaraki, E., & Alissandrakis, E. (2023). A Low-Cost, Low-Power, Multisensory Device and Multivariable Time Series Pre-diction for Beehive Health Monitoring. Sensors, 23(3), Article 3. https://doi.org/10.3390/s23031407
Kviesis, A., & Zacepins, A. (2016). Application of neural networks for honey bee colony state identification. 2016 17th International Carpathian Control Conference (ICCC), 413–417. https://doi.org/10.1109/CarpathianCC.2016.7501133
Sledevic, T. (2018). The Application of Convolutional Neural Network for Pollen Bearing Bee Classification. Sledevic, T. (2018). The Application of Convolutional Neural Network for Pollen Bearing Bee Classification. 2018 IEEE 6th Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE), 1–4.
https://doi.org/10.1109/AIEEE.2018.8592464
Braga, D., Madureira, A., Scotti, F., Piuri, V., & Abraham, A. (2021). An Intelligent Moni-toring System for Assessing Bee Hive Health. IEEE Access, 9, 89009–89019. https://doi.org/10.1109/ACCESS.2021.3089538
Kwon, K.-H., Kim, J.-S., & Lee, H.-B. (2019). Forecast of Bee Swarming using Data Fu-sion and LSTM. Journal of Digital Contents Society, 20(1), Article 1. https://doi.org/10.9728/dcs.2019.20.1.1
Ruvinga, S., Hunter, G. J. A., Duran, O., & Nebel, J.-C. (2021). Use of LSTM Networks to Identify “Queenlessness” in Honeybee Hives from Audio Signals. 2021 17th International Conference on Intelligent Environments (IE), 1–4. https://doi.org/10.1109/IE51775.2021.9486575
Khairul Anuar, N. H., Md Yunus, M. A., Baharudin, M. A., Ibrahim, S., Sahlan, S., & Faramarzi, M. (2023). An assessment of stingless beehive climate impact using multivariate recurrent neural networks. International Journal of Electrical and Computer Engineering (IJECE), 13(2), 2030. https://doi.org/10.11591/ijece.v13i2.pp2030-2039
Senger, D., Gruber, C., Kluss, T., & Johannsen, C. (2024). Weight, temperature and hu-midity sensor data of honey bee colonies in Germany, 2019–2022. Data in Brief, 52, 110015. https://doi.org/10.1016/j.dib.2023.110015
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
