Detecção e Identificação de Pólen em Imagens de Apis mellifera por Meio de Redes Neurais Convolucionais
Resumo
O estudo visa identificar abelhas Apis mellíferas carregando pólen através de imagens da entrada da colmeia, usando redes neurais convolucionais (CNN). Isso possibilita o monitoramento automatizado das colmeias e coleta de dados sobre o comportamento das abelhas em larga escala. A pesquisa aplicou a técnica de transferência de aprendizado na CNN AlexNet, alcançando uma impressionante acurácia de 99.3% e um F-Score de 99.29% na classificação das imagens entre aquelas com e sem pólen.
Referências
Frias, B. E. D., Barbosa, C. D., & Lourenço, A. P. "Pollen nutrition in honey bees (apis mellifera): impact on adult health." Apidologie, 47(1), 15–25, 2016.
Ivan Rodriguez, Rémi Mégret, Edgar Acuña, José Agosto, Tugrul Giray. Recognition of pollen-bearing bees from Video using Convolutional Neural Network, (accepted at) IEEE Winter Conf. on Applications of Computer Vision, 2018, Lake Tahoe, NV.
Karpathy, A. "Transfer learning and fine-tuning convolutional neural networks." http://cs231n.github.io/transfer-learning/. 2015. (Acessado em 03/07/2018).
Krizhevsky, A., Sutskever, I., & Hinton, G. E. "ImageNet classification with deep convolutional neural networks." In F. Pereira, C. J. C. Burges, L. Bottou, and K. Q. Weinberger (Eds.), Advances in Neural Information Processing Systems 25, pp. 1097–1105. Curran Associates, Inc., 2012.
LeCun, Y., Kavukcuoglu, K., & Farabet, C. "Convolutional networks and applications in vision: Proceedings of 2010 IEEE International Symposium on Circuits and Systems, pp. 253–256." (2010).
Lundie, A. E. "The flight activities of the honeybee." 1925.
Schurischuster, S., Zambanini, M., Kampel, M., & Lamp, B. "Sensor study for monitoring varroa mites on honey bees (apis mellifera)." Proceedings of the Visual Observation and Analysis of Vertebrate and Insect Behavior (VAIB) Workshop, 2016.
Shin, H. C., et al. "Redes neurais convolucionais profundas para detecção auxiliada por computador: arquiteturas da CNN, características do conjunto de dados e aprendizado de transferência." Transações do IEEE em imagens médicas 35.5 (2016), pp. 1285-1298.
Ivan Rodriguez, Rémi Mégret, Edgar Acuña, José Agosto, Tugrul Giray. Recognition of pollen-bearing bees from Video using Convolutional Neural Network, (accepted at) IEEE Winter Conf. on Applications of Computer Vision, 2018, Lake Tahoe, NV.
Karpathy, A. "Transfer learning and fine-tuning convolutional neural networks." http://cs231n.github.io/transfer-learning/. 2015. (Acessado em 03/07/2018).
Krizhevsky, A., Sutskever, I., & Hinton, G. E. "ImageNet classification with deep convolutional neural networks." In F. Pereira, C. J. C. Burges, L. Bottou, and K. Q. Weinberger (Eds.), Advances in Neural Information Processing Systems 25, pp. 1097–1105. Curran Associates, Inc., 2012.
LeCun, Y., Kavukcuoglu, K., & Farabet, C. "Convolutional networks and applications in vision: Proceedings of 2010 IEEE International Symposium on Circuits and Systems, pp. 253–256." (2010).
Lundie, A. E. "The flight activities of the honeybee." 1925.
Schurischuster, S., Zambanini, M., Kampel, M., & Lamp, B. "Sensor study for monitoring varroa mites on honey bees (apis mellifera)." Proceedings of the Visual Observation and Analysis of Vertebrate and Insect Behavior (VAIB) Workshop, 2016.
Shin, H. C., et al. "Redes neurais convolucionais profundas para detecção auxiliada por computador: arquiteturas da CNN, características do conjunto de dados e aprendizado de transferência." Transações do IEEE em imagens médicas 35.5 (2016), pp. 1285-1298.
Publicado
30/10/2023
Como Citar
CARDOSO, João P. S.; C. NETO, Manoel F.; OLIVEIRA, Roberto C. L.; OLIVEIRA, Marcos E. C.; PEREIRA, Daniel S..
Detecção e Identificação de Pólen em Imagens de Apis mellifera por Meio de Redes Neurais Convolucionais. In: ESCOLA REGIONAL DE ALTO DESEMPENHO NORTE 2 (ERAD-NO2) E ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL NORTE 2 (ERAMIA-NO2), 3. , 2023, Belém/PA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 37-40.
DOI: https://doi.org/10.5753/erad-no2.2023.236310.
