Padrões Bioacústicos como Identificadores Precisos da Presença de Rainha em Colmeias de Abelhas Melíferas
Resumo
A abelha rainha é a responsável pelo crescimento, renovação e estabilidade organizacional da sua colônia. Para saber se uma rainha melífera está presente na colmeia, o apicultor tem de abri-la, o que estressa as abelhas, destrói parte do ninho e provoca morte de operárias. Classificar a presença da rainha através do seu zumbido, por exemplo, é um método de inspeção não-invasivo e pode manter o bem-estar da colônia. Porém, padrões bioacústicos geram um volume considerável de dados. A utilização de classificadores incrementais com uma taxa de gravação diária pode manter a eficiência e reduzir este gargalo. Neste artigo, avaliamos de forma sistemática o desempenho de três classificadores incrementais: Hoeffding Tree, Random Forest e Naive Bayes. Destes três classificadores, o destaque foi o Naive Bayes com 10 janelas de 1 s /dia, tempo de resposta de somente 0,93 s e acurácia média de 97%.
Palavras-chave:
bioacústica, abelhas melíferas, classificadores incrementais, processamento de áudio, aprendizado de máquina
Referências
Braga, A. R., Freitas, B. M., Gomes, D. G., Bezerra, A. D., and Cazier, J. A. (2021). Forecasting sudden drops of temperature in pre-overwintering honeybee colonies. Biosystems Engineering, 209:315–321.
Braga, A. R., Gomes, D. G., Rogers, R., Hassler, E. E., Freitas, B. M., and Cazier, J. A. (2020). A method for mining combined data from in-hive sensors, weather and apiary inspections to forecast the health status of honey bee colonies. Computers and Electronics in Agriculture, 169:105161.
Dineva, K., Atanasova, T., et al. (2018). Osemn process for working over data acquired by iot devices mounted in beehives. Curr. Trends Nat. Sci, 7(13):47–53.
Giannakopoulos, T. (2015). pyaudioanalysis: An open-source python library for audio signal analysis. PLOS ONE, 10(12):1–17.
Hadjur, H., Ammar, D., and Lefévre, L. (2022). Toward an intelligent and efficient beehive: A survey of precision beekeeping systems and services. Computers and Electronics in Agriculture, 192:106604.
Howard, D., Duran, O., Hunter, G., and Stebel, K. (2013). Signal processing the acoustics of honeybees (apis mellifera) to identify the ”queenless”state in hives. Proceedings of the Institute of Acoustics, 35:290–297.
Meikle, W. G., Weiss, M., Maes, P. W., Fitz, W., Snyder, L. A., Sheehan, T., Mott, B. M., and Anderson, K. E. (2017). Internal hive temperature as a means of monitoring honey bee colony health in a migratory beekeeping operation before and during winter. Apidologie, 48(5):666–680.
Peng, R., Ardekani, I., and Sharifzadeh, H. (2020). An acoustic signal processing system for identification of queen-less beehives. In 2020 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pages 57–63.
Rodrigues, I., Melo, D., Freitas, B., and G. Gomes, D. (2021). Detecção de anomalias em padrões acústicos, de temperatura e umidade sazonais para abelhas melíferas (apis mellifera l.). In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 69–78, Porto Alegre, RS, Brasil. SBC.
Silva, D., Ícaro Rodrigues, Braga, A., Nobre, J., Freitas, B., and Gomes, D. (2020). An autonomic, adaptive and high-precision statistical model to determine bee colonies well-being scenarios. In Anais do XI Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 31–40, Porto Alegre, RS, Brasil. SBC.
Wilk, J. T., Bak, B., Artiemjew, P., Wilde, J., and Siuda, M. (2021). Classifying the biological status of honeybee workers using gas sensors. Sensors, 21(1).
Winston, M. L. (1991). The biology of the honey bee. harvard university press.
Wobbrock, J. O., Findlater, L., Gergle, D., and Higgins, J. J. (2011). The aligned rank transform for nonparametric factorial analyses using only anova procedures. In Proceedings of the SIGCHI conference on human factors in computing systems, pages 143–146.
Zgank, A. (2018). Acoustic monitoring and classification of bee swarm activity using mfcc feature extraction and hmm acoustic modeling. In 2018 ELEKTRO, pages 1–4.
Braga, A. R., Gomes, D. G., Rogers, R., Hassler, E. E., Freitas, B. M., and Cazier, J. A. (2020). A method for mining combined data from in-hive sensors, weather and apiary inspections to forecast the health status of honey bee colonies. Computers and Electronics in Agriculture, 169:105161.
Dineva, K., Atanasova, T., et al. (2018). Osemn process for working over data acquired by iot devices mounted in beehives. Curr. Trends Nat. Sci, 7(13):47–53.
Giannakopoulos, T. (2015). pyaudioanalysis: An open-source python library for audio signal analysis. PLOS ONE, 10(12):1–17.
Hadjur, H., Ammar, D., and Lefévre, L. (2022). Toward an intelligent and efficient beehive: A survey of precision beekeeping systems and services. Computers and Electronics in Agriculture, 192:106604.
Howard, D., Duran, O., Hunter, G., and Stebel, K. (2013). Signal processing the acoustics of honeybees (apis mellifera) to identify the ”queenless”state in hives. Proceedings of the Institute of Acoustics, 35:290–297.
Meikle, W. G., Weiss, M., Maes, P. W., Fitz, W., Snyder, L. A., Sheehan, T., Mott, B. M., and Anderson, K. E. (2017). Internal hive temperature as a means of monitoring honey bee colony health in a migratory beekeeping operation before and during winter. Apidologie, 48(5):666–680.
Peng, R., Ardekani, I., and Sharifzadeh, H. (2020). An acoustic signal processing system for identification of queen-less beehives. In 2020 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pages 57–63.
Rodrigues, I., Melo, D., Freitas, B., and G. Gomes, D. (2021). Detecção de anomalias em padrões acústicos, de temperatura e umidade sazonais para abelhas melíferas (apis mellifera l.). In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 69–78, Porto Alegre, RS, Brasil. SBC.
Silva, D., Ícaro Rodrigues, Braga, A., Nobre, J., Freitas, B., and Gomes, D. (2020). An autonomic, adaptive and high-precision statistical model to determine bee colonies well-being scenarios. In Anais do XI Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 31–40, Porto Alegre, RS, Brasil. SBC.
Wilk, J. T., Bak, B., Artiemjew, P., Wilde, J., and Siuda, M. (2021). Classifying the biological status of honeybee workers using gas sensors. Sensors, 21(1).
Winston, M. L. (1991). The biology of the honey bee. harvard university press.
Wobbrock, J. O., Findlater, L., Gergle, D., and Higgins, J. J. (2011). The aligned rank transform for nonparametric factorial analyses using only anova procedures. In Proceedings of the SIGCHI conference on human factors in computing systems, pages 143–146.
Zgank, A. (2018). Acoustic monitoring and classification of bee swarm activity using mfcc feature extraction and hmm acoustic modeling. In 2018 ELEKTRO, pages 1–4.
Publicado
31/07/2022
Como Citar
RODRIGUES, Ícaro de Lima; MELO, Davyd B. de; SILVA, Daniel de Amaral da; RYBARCZYK, Yves; GOMES, Danielo G..
Padrões Bioacústicos como Identificadores Precisos da Presença de Rainha em Colmeias de Abelhas Melíferas. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 13. , 2022, Niterói.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 11-20.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2022.222913.
