Комп’ютерне бачення для підрахунку бджіл та моніторингу активності вулика

Чому активність на вході є корисним показником

Камера, спрямована на вхід у вулик, захоплює безперервний потік роїв збирачів, який, коли спрощено до простих підрахунків «вхід-вихід», функціонує як корисний показник здоров’я колонії та умов збору меду, не відкриваючи вулик. Активність зазвичай зростає протягом ранку зі підвищенням температури, досягає піку в гарну погоду під час основного сезону збору меду та різко падає в несприятливу погоду, при заморозках або коли колонія без королеви чи хвора і має менше активних бджіл для відправки. Жодне з цього не замінює прямий огляд, але раптове зниження трафіку на вході порівняно з нещодавнім рівнем колонії, або порівняно з сусідніми вуликами, що переживають таку ж погоду, є корисним раннім сигналом, який варто дослідити.

Інженерна складність полягає в тому, що завантажений вхід у піковий сезон може бачити сотні бджіл, що проходять на кожній стороні за хвилину, перекриваючи одна одну, що значно важче для системи зору обробляти надійно, ніж підраховувати розріджені, добре відокремлені об’єкти.

Поточний процес виявлення-відстеження-рахунок

Більшість робочих систем слідують схожому трьохступеневому потоку. По-перше, модель виявлення об'єктів, зазвичай легка варіація YOLO або подібних однозчитувальних детекторів, оптимізована для роботи на невеликих пристроях на краю, визначає окремих бджіл у кожному кадрі відео як прямокутники обмеження. По-друге, алгоритм відстеження, такий як BYTE або OC-SORT, пов'язує виявлення в послідовних кадрах у стабільні траки для кожної бджоли, що важливо, оскільки окреме виявлення кадру не може сказати про напрямок руху само по собі; трак, який перетинає віртуальну лінію біля входу, рухаючись назовні, вважається виходом, а той, що перетинає всередину, - входом. По-третє, підраховані перетини агрегуються у відрізки за хвилину та зазвичай згладжуються за допомогою експоненційно зваженого ковзного середнього або медіанного фільтра для зменшення шуму від тимчасових помилок виявлення, оскільки свіжі підрахунки кадра за кадром стрибають способами, які не відображають реальної поведінки колонії.

Розробка цього в робочий індекс активності зазвичай потребує нормалізації щодо кожного вулика окремо, а не використання єдиного абсолютного рахунку для всіх вуликів, оскільки розмір входу, кут камери та типова сила колонії варіюються достатньо між вуликами, щоб порівняння свіжих підрахунків між вуликами часто було оманливим.

Апаратні компроміси: де відбувається обробка

Запуск повної конвеєра виявлення та відстеження потребує значних обчислювальних ресурсів, а системи камер для бджіл зазвичай розділяються на архітектури з обробкою на периферії, де невеликий комп’ютер на борту, такий як Raspberry Pi або Jetson, запускає модель локально і надсилає лише агреговані підрахунки в хмару, протилежно архітектурам з хмарною обробкою, які стімотьять необроблене або частково стиснене відео на віддалений сервер для аналізу. Обробка на периферії підходить для віддалених пасік із слабким покриттям, оскільки потрібно лише передавати невеликий узагальнений потік даних, але обмежує модель до того, що може запустити невеликий пристрій в реальному часі, що зазвичай означає швидші та простіші моделі, а не найбільші та найточніші. Хмарна обробка може запускати більші та точніші моделі, але вимагає достатньої пропускної здатності для безперервного передавання відеоданих, що часто є складнішим обмеженням на віддаленій пасіці, ніж обчислювальні ресурси. Багато практичних систем використовують гібридний підхід: безперервне захоплення на периферії, але лише завантаження коротких фрагментів, спровокованих аномалією, що балансує між пропускною здатністю та швидкістю реагування.

Часті запитання

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте the simulation і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.