Detecção de Anomalias em Comportamento de Abelhas Utilizando Redes Neurais Recorrentes
Resumo
Abelhas tem um papel muito importante na polinização de espécies vegetais. Por meio da polinização, as espécies vegetais trocam gametas e tem frutos em maior quantidade e em melhor qualidade. Conhecer o comportamento das abelhas é importante pois auxilia produtores a entender melhor as atividades das abelhas relacionadas com a polinização. Neste trabalho avaliamos como técnicas de aprendizado de máquina podem ser empregadas na tarefa de identificação de anomalias em comportamento de abelhas. Mais de 1200 abelhas de oito colmeias foram monitoradas com etiquetas eletrônicas (RFIDs) num período de 4 semanas. Mostramos como diferentes topologias de redes recorrentes podem auxiliar na tarefa de classificação de anomalia comportamental.
Referências
Baranauskas, J. A. and Monard, M. C. (2003). Combining symbolic classifiers from multiple inducers. Knowledge-Based Systems, 16(3):129 – 136.
Bengio, Y., Frasconi, P., Gori, M., and Soda, G. (1970). Recurrent neural networks for adaptive temporal processing.
Gama, F., Arruda, H. M., Carvalho, H. V., de Souza, P., and Pessin, G. (2017). Improving our understanding of the behavior of bees through anomaly detection techniques. In Artificial Neural Networks and Machine Learning – ICANN 2017, pages 520–527.
Hawkins, D. (1980). Identification of Outliers. Monographs on applied probability and statistics. Chapman and Hall.
Hochreiter, S. and Schmidhuber, J. (1997). Long short-term memory. Neural Comput., 9(8):1735–1780.
Imperatriz-Fonseca, V., Contrera, F., and Kleinert, A. (2004). A meliponicultura e a iniciativa brasileira dos polinizadores. XV Congresso Brasileiro de Apicultura.
Kridi, D. S., de Carvalho, C. G. N., and Gomes, D. G. (2016). Application of wireless sensor networks for beehive monitoring and in-hive thermal patterns detection. Computers and Electronics in Agriculture, 127:221 – 235.
Lopes, M., Ferreira, J. B., and Santos, G. (2005). Abelhas sem-ferrao: a biodiversidade invisivel. Agriculturas.
Marti, L., Sanchez-Pi, N., Molina, J. M., and Garcia, A. C. B. (2015). Anomaly detection based on sensor data in petroleum industry applications. Sensors, 15(2):2774–2797.
Message, D., Teixeira, W., and Jong, D. (2012). Situação da sanidade das abelhas no brasil. In Polinizadores no Brasil: Contribuição e Perspectivas para a Biodiversidade, pages 237–356. Editora da Universidade de São Paulo.
Mitchell, T. M. (1997). Machine Learning. McGraw-Hill Science/Engineering/Math.
Nikolopoulos, C. (1997). Expert Systems: Introduction to First and Second Generation and Hybrid Knowledge Based Systems. CRC Press.
Odoux, J.-F., Aupinel, P., Gateff, S., Requier, F., Henry, M., and Bretagnolle, V. (2014). Ecobee: a tool for long-term honey bee colony monitoring at the landscape scale in west european intensive agroecosystems. Journal of Apicultural Research, 53:57–66.
P. Ballivian, J. M. P. (2008). Abelhas Nativas sem Ferrão. Oikos Ltda.
Penna, M. (2004). Rede neural artificial para deteccao de sobremortalidade atribuivel a colera no ceara. Revista de Saude Publica, 38:351 – 357.
Potts, S. G., Biesmeijer, J. C., Kremen, C., Neumann, P., Schweiger, O., and Kunin, W. E. (2010). Global pollinator declines: trends, impacts and drivers. Trends in Ecology & Evolution, 25(6):345 – 353.
Salem, O., Liu, Y., Mehaoua, A., and Boutaba, R. (2014). Online anomaly detection in wireless body area networks for reliable healthcare monitoring. IEEE Journal of Biomedical and Health Informatics, 18(5):1541–1551.
Segatto, . A. C. and Coury, D. V. (2006). Redes neurais artificiais recorrentes aplicadas na correção de sinais distorcidos pela saturação de transformadores de corrente. Sba: Controle & Automação Sociedade Brasileira de Automatica, 17:424 – 436.
Silva, W. P. and da Paz, J. R. L. (2012). Abelhas sem ferrao: muito mais do que uma importancia economica. Natureza on line.
Singh, K. and Upadhyaya, S. (2012). Outlier detection: Applications and techniques. International Journal of Computer Science Issues, 9(3):307–323.
Venturieri, G. C., Raiol, V., and Pereira, C. (2003). Avaliação da introdução da criação racional de melipona fasciculata (apidae: Meliponina), entre os agricultores familiares de bragança - pa, brasil. Biota Neotropica, 3:1 – 7.
Wooldridge, J. M. (2012). Introductory Econometrics: A Modern Approach.
Zacepins, A., Brusbardis, V., Meitalovs, J., and Stalidzans, E. (2015). Challenges in the development of precision beekeeping. Biosystems Engineering, 130:60 – 71.
Bengio, Y., Frasconi, P., Gori, M., and Soda, G. (1970). Recurrent neural networks for adaptive temporal processing.
Gama, F., Arruda, H. M., Carvalho, H. V., de Souza, P., and Pessin, G. (2017). Improving our understanding of the behavior of bees through anomaly detection techniques. In Artificial Neural Networks and Machine Learning – ICANN 2017, pages 520–527.
Hawkins, D. (1980). Identification of Outliers. Monographs on applied probability and statistics. Chapman and Hall.
Hochreiter, S. and Schmidhuber, J. (1997). Long short-term memory. Neural Comput., 9(8):1735–1780.
Imperatriz-Fonseca, V., Contrera, F., and Kleinert, A. (2004). A meliponicultura e a iniciativa brasileira dos polinizadores. XV Congresso Brasileiro de Apicultura.
Kridi, D. S., de Carvalho, C. G. N., and Gomes, D. G. (2016). Application of wireless sensor networks for beehive monitoring and in-hive thermal patterns detection. Computers and Electronics in Agriculture, 127:221 – 235.
Lopes, M., Ferreira, J. B., and Santos, G. (2005). Abelhas sem-ferrao: a biodiversidade invisivel. Agriculturas.
Marti, L., Sanchez-Pi, N., Molina, J. M., and Garcia, A. C. B. (2015). Anomaly detection based on sensor data in petroleum industry applications. Sensors, 15(2):2774–2797.
Message, D., Teixeira, W., and Jong, D. (2012). Situação da sanidade das abelhas no brasil. In Polinizadores no Brasil: Contribuição e Perspectivas para a Biodiversidade, pages 237–356. Editora da Universidade de São Paulo.
Mitchell, T. M. (1997). Machine Learning. McGraw-Hill Science/Engineering/Math.
Nikolopoulos, C. (1997). Expert Systems: Introduction to First and Second Generation and Hybrid Knowledge Based Systems. CRC Press.
Odoux, J.-F., Aupinel, P., Gateff, S., Requier, F., Henry, M., and Bretagnolle, V. (2014). Ecobee: a tool for long-term honey bee colony monitoring at the landscape scale in west european intensive agroecosystems. Journal of Apicultural Research, 53:57–66.
P. Ballivian, J. M. P. (2008). Abelhas Nativas sem Ferrão. Oikos Ltda.
Penna, M. (2004). Rede neural artificial para deteccao de sobremortalidade atribuivel a colera no ceara. Revista de Saude Publica, 38:351 – 357.
Potts, S. G., Biesmeijer, J. C., Kremen, C., Neumann, P., Schweiger, O., and Kunin, W. E. (2010). Global pollinator declines: trends, impacts and drivers. Trends in Ecology & Evolution, 25(6):345 – 353.
Salem, O., Liu, Y., Mehaoua, A., and Boutaba, R. (2014). Online anomaly detection in wireless body area networks for reliable healthcare monitoring. IEEE Journal of Biomedical and Health Informatics, 18(5):1541–1551.
Segatto, . A. C. and Coury, D. V. (2006). Redes neurais artificiais recorrentes aplicadas na correção de sinais distorcidos pela saturação de transformadores de corrente. Sba: Controle & Automação Sociedade Brasileira de Automatica, 17:424 – 436.
Silva, W. P. and da Paz, J. R. L. (2012). Abelhas sem ferrao: muito mais do que uma importancia economica. Natureza on line.
Singh, K. and Upadhyaya, S. (2012). Outlier detection: Applications and techniques. International Journal of Computer Science Issues, 9(3):307–323.
Venturieri, G. C., Raiol, V., and Pereira, C. (2003). Avaliação da introdução da criação racional de melipona fasciculata (apidae: Meliponina), entre os agricultores familiares de bragança - pa, brasil. Biota Neotropica, 3:1 – 7.
Wooldridge, J. M. (2012). Introductory Econometrics: A Modern Approach.
Zacepins, A., Brusbardis, V., Meitalovs, J., and Stalidzans, E. (2015). Challenges in the development of precision beekeeping. Biosystems Engineering, 130:60 – 71.
Publicado
26/06/2018
Como Citar
CARVALHO, Hanna V. F. de; CARVALHO, Eduardo C.; ARRUDA, Helder; IMPERATRIZ-FONSECA, Vera; SOUZA, Paulo de; PESSIN, Gustavo.
Detecção de Anomalias em Comportamento de Abelhas Utilizando Redes Neurais Recorrentes. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 9. , 2018, Natal.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2018
.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2018.2931.
