Aplicando um modelo YOLO para detectar e diferenciar por imagem castas de abelhas melíferas de forma automatizada
Resumo
Em uma colônia de abelhas melíferas (Apis mellifera L.) há três tipos de casta: rainha, operária e zangão. Detectá-las e diferenciá-las é de suma importância para o apicultor, pois a flutuação e o desbalanço fora do normal no número e na proporção natural entre indivíduos fornecem predições sobre eventos que podem impactar negativamente o bem-estar e a produção da colônia. Neste artigo, aplicamos o conceito de Processamento Digital de Imagens, através do detector de objetos YOLO, para diferenciar entre operárias e zangões de abelhas melíferas a fim de fornecer subsídios para o avanço da apicultura de precisão. Por meio de validação cruzada, a arquitetura escolhida reconheceu e classificou corretamente a maioria das abelhas presentes nas imagens, obtendo valores de mAP@50 acima de 94%. Além disso, mesmo com um conjunto de dados desbalanceados e a maior parte das abelhas sendo de operárias, o modelo proposto conseguiu encontrar e classificar a maioria dos zangões, refletindo nos valores de recall acima de 85%.
Palavras-chave:
abelhas, processamento digital de imagens, visão computacional, aprendizado profundo
Referências
Barros, C., Freitas, E. D., Braga, A. R., Bomfim, I. G., and Gomes, D. (2021). Aplicando redes neurais convolucionais em imagens para reconhecimento automatizado de abelhas melíferas (Apis mellifera l.). In Anais do XIIWorkshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 19–28, Porto Alegre, RS, Brasil. SBC. https://doi.org/10.5753/wcama.2021.15733.
Bilik, S., Kratochvila, L., Ligocki, A., Bostik, O., Zemcik, T., Hybl, M., Horak, K., and Zalud, L. (2021). Visual diagnosis of the varroa destructor parasitic mite in honeybees using object detector techniques. Sensors, 21(8). https://doi.org/10.3390/s21082764.
Braga, A. R., G. Gomes, D., Rogers, R., E. Hassler, E., M. Freitas, B., and A. Cazier, J. (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. https://doi.org/10.1016/j.compag.2019.105161.
Couto, R. H. N. and Couto, L. A. (2006). Apicultura: manejo e produtos. Funep Jaboticabal. De Cesaro Júnior, T. and Rieder, R. (2020). Automatic identification of insects from digital images: A survey. Computers and Electronics in Agriculture, 178:105784. https://doi.org/10.1016/j.compag.2020.105784.
Debauche, O., Moulat, M. E., Mahmoudi, S., Boukraa, S., Manneback, P., and Lebeau, F. (2018). Web monitoring of bee health for researchers and beekeepers based on the internet of things. Procedia Computer Science, 130:991–998. The 9th International Conference on Ambient Systems, Networks and Technologies (ANT 2018) / The 8th International Conference on Sustainable Energy Information Technology (SEIT-2018) / Affiliated Workshops. https://doi.org/10.1016/j.procs.2018.04.103.
Hadjur, H., Ammar, D., and Lefèvre, L. (2022). Toward an intelligent and efficient beehive: A survey of precision beekeeping systems and services. Computers and Electronics in Agriculture, 192:106604. https://doi.org/10.1016/j.compag.2021.106604.
Hui, J. (2018). map (mean average precision) for object detection. Disponível em: [link]. Acesso em: 03 mar. 2022.
Jocher, G., Nishimura, K., Mineeva, T., and Vilariño, R. (2020). Yolov5 by ultralytics. Disponível em: https://github.com/ultralytics/yolov5.
Kevan, P. G. et al. (2007). Bees, biology & management. Enviroquest.
Kubera, E., Kubik-Komar, A., Kurasínski, P., Piotrowska-Weryszko, K., and Skrzypiec, M. (2022). Detection and recognition of pollen grains in multilabel microscopic images. Sensors, 22(7). https://doi.org/10.3390/s22072690.
Leocádio, R., Segundo, A., Souza, J., Galaschi-Teixeira, J., Souza, P., and Pessin, G. (2021). Detecção de abelhas nativas em colmeias em campo utilizando visão computacional. In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 59–68, Porto Alegre, RS, Brasil. SBC.
Lin, T., Maire, M., Belongie, S. J., Bourdev, L. D., Girshick, R. B., Hays, J., Perona, P., Ramanan, D., Dollár, P., and Zitnick, C. L. (2014). Microsoft COCO: common objects in context. CoRR, abs/1405.0312. https://doi.org/10.48550/arXiv.1405.0312.
Padilla, R., Netto, S. L., and da Silva, E. A. B. (2020). A survey on performance metrics for object-detection algorithms. In 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), pages 237–242. https://doi.org/10.1109/IWSSIP48289.2020.9145130.
Potts, S. G., Imperatriz Fonseca, V., Ngo, H. T., Biesmeijer, J. C., Breeze, T. D., Dicks, L., Garibaldi, L. A., Hill, R., Settele, J., Vanbergen, A. J., et al. (2016). Summary for policymakers of the assessment report of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services on pollinators, pollination and food production. Intergovernmental SciencePolicy Platform on Biodiversity and Ecosystem Services.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Seeley, T. (2006). Ecologia da Abelha: um estudo de adaptação na vida social (tradução de CA Osowski). LTDA, Porto Alegre.
Soroye, P., Newbold, T., and Kerr, J. (2020). Climate change contributes to widespread declines among bumble bees across continents. Science, 367(6478):685–688. https://doi.org/10.1126/science.aax8591.
Tashakkori, R., Hamza, A. S., and Crawford, M. B. (2021). Beemon: An iot-based beehive monitoring system. Computers and Electronics in Agriculture, 190:106427. https://doi.org/10.1016/j.compag.2021.106427.
Watanabe, M. E. (2013). Pollinators at Risk: Human activities threaten key species. BioScience, 64(1):5–10. https://doi.org/10.1093/biosci/bit012.
Wiese, H. (2005). Apicultura: novos tempos. Agrolivros Porto Alegre.
Winston, M. (2003). A biologia da abelha. Tradução de Carlos A. Osowski. Magister. Porto Alegre.
Yan, B., Fan, P., Lei, X., Liu, Z., and Yang, F. (2021). A real-time apple targets detection method for picking robot based on improved yolov5. Remote Sensing, 13(9). https://doi.org/10.3390/rs13091619.
Bilik, S., Kratochvila, L., Ligocki, A., Bostik, O., Zemcik, T., Hybl, M., Horak, K., and Zalud, L. (2021). Visual diagnosis of the varroa destructor parasitic mite in honeybees using object detector techniques. Sensors, 21(8). https://doi.org/10.3390/s21082764.
Braga, A. R., G. Gomes, D., Rogers, R., E. Hassler, E., M. Freitas, B., and A. Cazier, J. (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. https://doi.org/10.1016/j.compag.2019.105161.
Couto, R. H. N. and Couto, L. A. (2006). Apicultura: manejo e produtos. Funep Jaboticabal. De Cesaro Júnior, T. and Rieder, R. (2020). Automatic identification of insects from digital images: A survey. Computers and Electronics in Agriculture, 178:105784. https://doi.org/10.1016/j.compag.2020.105784.
Debauche, O., Moulat, M. E., Mahmoudi, S., Boukraa, S., Manneback, P., and Lebeau, F. (2018). Web monitoring of bee health for researchers and beekeepers based on the internet of things. Procedia Computer Science, 130:991–998. The 9th International Conference on Ambient Systems, Networks and Technologies (ANT 2018) / The 8th International Conference on Sustainable Energy Information Technology (SEIT-2018) / Affiliated Workshops. https://doi.org/10.1016/j.procs.2018.04.103.
Hadjur, H., Ammar, D., and Lefèvre, L. (2022). Toward an intelligent and efficient beehive: A survey of precision beekeeping systems and services. Computers and Electronics in Agriculture, 192:106604. https://doi.org/10.1016/j.compag.2021.106604.
Hui, J. (2018). map (mean average precision) for object detection. Disponível em: [link]. Acesso em: 03 mar. 2022.
Jocher, G., Nishimura, K., Mineeva, T., and Vilariño, R. (2020). Yolov5 by ultralytics. Disponível em: https://github.com/ultralytics/yolov5.
Kevan, P. G. et al. (2007). Bees, biology & management. Enviroquest.
Kubera, E., Kubik-Komar, A., Kurasínski, P., Piotrowska-Weryszko, K., and Skrzypiec, M. (2022). Detection and recognition of pollen grains in multilabel microscopic images. Sensors, 22(7). https://doi.org/10.3390/s22072690.
Leocádio, R., Segundo, A., Souza, J., Galaschi-Teixeira, J., Souza, P., and Pessin, G. (2021). Detecção de abelhas nativas em colmeias em campo utilizando visão computacional. In Anais do XII Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 59–68, Porto Alegre, RS, Brasil. SBC.
Lin, T., Maire, M., Belongie, S. J., Bourdev, L. D., Girshick, R. B., Hays, J., Perona, P., Ramanan, D., Dollár, P., and Zitnick, C. L. (2014). Microsoft COCO: common objects in context. CoRR, abs/1405.0312. https://doi.org/10.48550/arXiv.1405.0312.
Padilla, R., Netto, S. L., and da Silva, E. A. B. (2020). A survey on performance metrics for object-detection algorithms. In 2020 International Conference on Systems, Signals and Image Processing (IWSSIP), pages 237–242. https://doi.org/10.1109/IWSSIP48289.2020.9145130.
Potts, S. G., Imperatriz Fonseca, V., Ngo, H. T., Biesmeijer, J. C., Breeze, T. D., Dicks, L., Garibaldi, L. A., Hill, R., Settele, J., Vanbergen, A. J., et al. (2016). Summary for policymakers of the assessment report of the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services on pollinators, pollination and food production. Intergovernmental SciencePolicy Platform on Biodiversity and Ecosystem Services.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Seeley, T. (2006). Ecologia da Abelha: um estudo de adaptação na vida social (tradução de CA Osowski). LTDA, Porto Alegre.
Soroye, P., Newbold, T., and Kerr, J. (2020). Climate change contributes to widespread declines among bumble bees across continents. Science, 367(6478):685–688. https://doi.org/10.1126/science.aax8591.
Tashakkori, R., Hamza, A. S., and Crawford, M. B. (2021). Beemon: An iot-based beehive monitoring system. Computers and Electronics in Agriculture, 190:106427. https://doi.org/10.1016/j.compag.2021.106427.
Watanabe, M. E. (2013). Pollinators at Risk: Human activities threaten key species. BioScience, 64(1):5–10. https://doi.org/10.1093/biosci/bit012.
Wiese, H. (2005). Apicultura: novos tempos. Agrolivros Porto Alegre.
Winston, M. (2003). A biologia da abelha. Tradução de Carlos A. Osowski. Magister. Porto Alegre.
Yan, B., Fan, P., Lei, X., Liu, Z., and Yang, F. (2021). A real-time apple targets detection method for picking robot based on improved yolov5. Remote Sensing, 13(9). https://doi.org/10.3390/rs13091619.
Publicado
31/07/2022
Como Citar
ALBUQUERQUE, Davi Queiroz; BRAGA, Antonio Rafael; BOMFIM, Isac Gabriel Abrahão; GOMES, Danielo G..
Aplicando um modelo YOLO para detectar e diferenciar por imagem castas de abelhas melíferas de forma automatizada. 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. 51-60.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2022.222918.
