基于机器人视觉与贝叶斯滤波的蜂群育幼动态监测与语义建图研究

《Computers and Electronics in Agriculture》：Tree trunk disease mapping using hyperspectral LiDAR

　　本工作创新性地提出了一种在观测蜂箱内实现蜂群育幼细胞长期自动化监测的方法。通过结合蜂王产卵事件检测、机会性图像扫描与蜂群发育时序模型，构建了时空一致的蜂巢语义地图（Semantic Map）。该技术利用机器人平台与人工智能算法，首次实现了对个体蜂巢细胞状态演变的完整追踪，为蜂群健康评估（如育幼自残行为Brood Cannibalism监测）提供了非侵入式、可量化的新范式，对理解蜂群生态及保育具有重要意义。

　　

Highlight

系统设置与数据采集

我们的实验装置包括一个观测蜂箱，内含两个垂直堆叠的标准尺寸蜂巢（420 mm × 220 mm），由玻璃板覆盖。

该观测蜂箱由铝型材构成，以确保高精度、可比较和可重复的观测。蜂箱两侧各有两个玻璃窗，原则上允许100%观察蜂巢表面。蜂箱的内部设计提供了约9升的体积，狭窄的深度为...

方法

在本文中，我们提出了一种利用第3节所述机器人系统产生的数据为蜂巢建图的方法。目标是创建一个时空一致的蜂巢语义地图，其中单个细胞是地图的基本元素。

实验与结果

在本节中，我们展示了建图流程各个组件的评估结果。首先，我们评估了细胞检测方法的性能（第5.1节）。接着，我们在第5.2节评估了空间配准的质量。我们分析了产卵检测模型（第5.3节）和细胞图像分类网络（第5.4节）的性能。随后，我们描述了时序滤波器的传感器模型构建（第5.5节）。最后，在第5.6节...

局限性

尽管我们的蜂巢语义建图方法取得了有希望的结果，但必须承认我们研究的一些局限性。我们的实验设置仅限于单个观测蜂箱，且仅包含两个蜂巢，该蜂箱位于室内，通过塑料管与室外环境相连。尽管这种设置在生物学研究中很常见且足以用于验证，但它们自然限制了蜂群规模并可能影响其行为动态。我们为期25天的...

未来工作

未来，我们计划设计一种更鲁棒的蜂巢扫描配准方法，该方法将不需要来自机器人的精确里程计信息。由于我们在近红外光下观察蜂群的自然环境，探索通过着色（例如Shalini等人，2024）增强图像清晰度的计算机视觉方法，以及考虑替代的目标检测方法（Vasantha等人，2023）可能也有益处。一个大障碍还有设置参数...

结论

监测蜂群的健康和状态对于检测蜂群压力的早期迹象至关重要。此类监测的一个选择是持续观察蜂巢，其中包含关于蜂群发展、食物储存等信息。不幸的是，大多数现有方法需要经验丰富的养蜂人手动干预，这无法扩展到允许进行超过一次性观察，并且也会干扰蜂群。在这项工作中，我们提出了一个概念验证，用于...