数字农科院2.0

深度学习在蜜蜂研究中的应用

文献类型： 中文期刊

作者： 孙逸飞;丁桂玲;路运才;刘振虎;黄家兴

作者机构：

关键词： 深度学习;目标检测;行为跟踪;蜂群健康;蜂巢监测

期刊名称：环境昆虫学报

ISSN： 1674-0858

年卷期： 2023 年

页码：

收录情况： 北大核心（2020版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2023版） ; ; 农林核心（2020版）

摘要： 实现对蜜蜂蜂群的实时动态监测，有助于养蜂业的数字化与智能化发展，对大幅提升养蜂管理水平具有重要意义。深度学习作为人工智能的一种新的研究方向，目前已被广泛应用于昆虫分类学、行为学、害虫生物防治等领域。随着深度学习检测算法的迅速发展，基于深度学习的蜜蜂蜂群监测技术不断涌现，为智能化养蜂提供了可能。为促进深度学习在蜜蜂领域的进一步应用，本文梳理了深度学习在蜜蜂的物种识别、行为跟踪监测、蜂群健康监测和蜂巢监测等方面的研究进展，分析了深度学习技术在蜜蜂蜂群监测研究及应用中存在的一些问题和未来发展方向，为深度学习在蜜蜂领域的应用提出了建议。

分类号：

  • 相关文献

[1]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[2]基于机器视觉的小贯小绿叶蝉智能识别的研究与应用. 边磊,何旭栋,季慧华,蔡晓明,罗宗秀,陈华才,陈宗懋. 2022

[3]基于YOLO V3的葡萄病害人工智能识别系统. 王超学,祁昕,马罡,朱亮,王白暄,马春森. 2022

[4]基于机器视觉的蚕豆荚高精度检测方法研究. 夏子林,张新洲,王文波,夏先飞,陈兰,顾寄南. 2025

[5]基于改进YOLOv10s的酿酒葡萄叶片病虫害检测算法. 马聪,陈学东,张学俭,薛新宇,张宋超,杨淑婷. 2025

[6]基于改进YOLOv8n的套袋柑橘识别. 王微子,马伟. 2025

[7]蜜蜂群体与个体健康行为监测方法研究进展. 雷超凯,路云涛,王梦玥,武威,李世娟,刘升平. 2025

[8]Intelligent Survey Method for Tiny Rice Pests and Their Natural Predators in Paddy Fields Using Augmented Reality (AR) Glasses. 洪辰,,罗举,,冯泽霖,,凌和平,,李玲一,,吴坚,,姚青,,刘淑华. 2025

[9]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[10]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[11]基于轻量化YOLOv3卷积神经网络的苹果检测方法. 武星,齐泽宇,王龙军,杨俊杰,夏雪. 2020

[12]基于Mask R-CNN的玉米干旱卷曲叶片检测. 安江勇,黎万义,李茂松. 2019

[13]基于改进CornerNet的水稻灯诱飞虱自动检测方法构建与验证. 姚青,吴叔珍,蒯乃阳,杨保军,唐健,冯晋,朱旭华,朱先敏. 2021

[14]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[15]农业复杂环境下尺度自适应小目标识别算法——以蜜蜂为例. 郭秀明,诸叶平,李世娟,张杰,吕纯阳,刘升平. 2022

[16]基于深度学习的近地面草原鼠洞识别计数关键问题研究与应用. 郭秀明,王大伟,刘升平,诸叶平,刘晓辉,林克剑,王佳宇,李非. 2024

[17]果园作业机器人自主导航多任务联合感知方法研究. 张津国,蔡建峰,姜蓉蓉,余山山,王蓬勃. 2025

[18]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[19]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[20]基于改进YOLOv8模型的冬小麦穗识别技术. 宫志宏,闫锦涛,于红,刘涛,刘布春,李树岩. 2026

作者其他论文 更多>>