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

[2]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

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

[5]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

[6]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

[7]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

[8]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

[9]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[10]基于深度学习方法的草地信息智能提取研究. 唐川江,唐古拉,鲁岩,干晓宇. 2020

[11]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[12]深度学习方法在作物遥感分类中的应用和挑战. 赵红伟,陈仲新,刘佳. 2020

[13]基于卷积神经网络的冬小麦麦穗检测计数系统. 张领先,陈运强,李云霞,马浚诚,杜克明. 2019

[14]基于深度学习的学术论文语步结构分类方法研究. 王末,崔运鹏,陈丽,李欢. 2020

[15]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[16]基于非接触式的牛只身份识别研究进展与展望. 许贝贝,王文生,郭雷风,陈桂鹏. 2020

[17]基于轻量级无锚点深度卷积神经网络的树上苹果检测模型. 夏雪,孙琦鑫,侍啸,柴秀娟. 2020

[18]基于半监督学习的无线网络攻击行为检测优化方法. 王婷,王娜,崔运鹏,李欢. 2020

[19]基于深度学习框架的隐藏主题变量图模型. 吴蕾,张文生,王珏. 2015

[20]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

作者其他论文 更多>>