Aplicando um modelo YOLO para detectar e diferenciar por imagem castas de abelhas melíferas de forma automatizada

Abstract

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%.

ApisFlow: a Real-Time Automated Tool to Detect, Classify and Count Honey Bees Castes at the Hive Entrance

“…Therefore, to tackle this problem, computer vision algorithms based on Digital Image Processing (DIP) techniques can be used to monitor these variables at a distance and in real-time, facilitating diagnoses or predictions of certain events that are happening or will occur in certain colony or even in an entire apiary [Barros et al 2021, Albuquerque et al 2022, Andrijević et al 2022. From this perspective, here we propose ApisFlow, a framework capable of automatically detecting, tracking, classifying, and counting in real time the honey bee castes entering and leaving the beehive by methods and algorithms of computer vision and machine learning.…”