摘要
传统蜜蜂监测多依靠人力和经验,信息化水平低,蜂群自动化监测得到广泛关注.近年来,基于深度学习的目标检测发展迅速,并在多领域取得很好的应用效果.SSD模型是一种基于卷积神经网络的目标检测模型,具有快速和准确率高的优势.蜂巢口光照多变、环境复杂,蜂群本身也具有互相遮挡和阴影等复杂情况.采用SSD模型对巢门区蜜蜂检测和数据统计,结果表明,提出的方法在少量、一般和较多蜜蜂数量情况下准确率分别达到96.34％、92.52％和88.06％,比传统方法分别提高11％、19％和25％,且对光照、天气、拍摄距离等环境有很强的适应性,能检测处理蜜蜂阴影、虚化、遮挡等复杂状况.研究结果为蜂群巢外监测提供有力支持,也为基于蜜蜂跟踪的进出量统计奠定了基础.
基金项目
中央级公益性科研院所基本科研业务费专项(JBYW-AII-2019-30)
成都农业科技中心地方财政专项(NASC2019T109)
国家科技期刊平台
NSTL
维普
万方数据