اختتام طرح توسعة سامانة هوشمند تشخیص الگوی کلنی های زنبور عسل بر پایة روش پردازش تصویر

این پژوهش، به منظور سنجش هوشمند و سریع وضعیت کلنی ها از نظر بازده تولید عسل در طی دوره چرا و ارائه یک روش مبتنی بر زامانه بینایی ماشین انجام شد. با بهره گیری از روش یادگیری عمیق، در ابتدا محدوده شان و سپس الگوی هندسی بافتی و رنگ عسل تشخیص داده شد و پس از آن، مقدار درصد مساحت عسل محاسبه شد. برای این کار، آزمون عکس برداری توسط دوربین دیجیتال از کلنی های زنبور عسل به نحوی طراحی و اجرا شد که طی آن وضعیت های مختلف عسل رویشان قرار داشت. در مرحله تحلیل تصاویر، از شبکه اعصابی کانولوشنی با الگوریتم YOLOv5 و روش بخش‌بندی معنایی استفاده شد. نتایج نشان داد که سامانه هوشمند ارائه شده توانایی شناسه قاب از محیط پیرامون تصویر را با دقت بیش از ۸۸ درصد دارد. همچنین نواحی مربوط به عسل در هر جا با دقت حدود ۸۳ درصد و با سرعت حدود ۲۴۰ برابر زنبوردارخیره شناسایی شد. این نتایج به طور همزمان با شمارش دستی توسط یک زنبوردار همه مورد تایید قرار گرفت. با توجه به افزایش سرعت تخمین، کاهش خطای انسانی و در نتیجه کاهش زمان اختلال در فعالیت کلنی روش ارائه شده، می تواند جایگزین مناسبی برای روش سنتی استفاده از کارگزاری به منظور بازدید های دوره ای و برآورد بازدهی تولید عسل باشد.