基于机器人巢脾测绘的观察蜂箱非侵入式蜂群监测技术

《Computers and Electronics in Agriculture》：Non-invasive honeybee colony monitoring via robotic mapping of combs in observation hives

　　本文提出了一种通过机器人在观察蜂箱内运作，结合蜂王产卵事件侦测和机会性图像扫描，构建巢脾时空语义图谱的创新方法。该研究利用时序模型整合发育阶段信息，实现了对卵、幼虫、封盖蛹等各型育幼胞的持续追踪与统计，为蜂群健康评估提供了非侵入式（Non-invasive）自动化监测方案，对理解蜂群动力学具有重要意义。

　　

章节精选

相关研究

研究人员对蜂群及其强度估算方法已研究数十年。传统上，蜂群健康依赖对卵、育幼或成年工蜂的直接计数进行人工评估。Jeffree (1951) 提出了一种将各蜂箱巢脾图像与参考图像进行比较的估算方法，从而能高效评估蜂箱种群。在 Jeffree (1958) 中，介绍了一种使用网格覆盖育幼脾来估算育幼区域的方法。

系统设置与数据采集

我们的实验装置包括一个观察蜂箱，内含两个垂直堆叠的标准尺寸巢脾（420 mm × 220 mm），由玻璃面板覆盖。

该观察蜂箱由铝型材构件制成，以确保高精度、可比性和可重复的观察。蜂箱两侧各有两个玻璃窗，原则上允许100%观察巢脾表面。蜂箱内部设计提供约9升的容积，深度较窄。

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来绘制巢脾图谱的方法。目标是创建一个时空一致的巢脾语义图谱，其中单个巢房是基本的图谱元素。

实验与结果

在本节中，我们展示图谱流程各组成部分的评估结果。首先，我们评估巢房检测方法的性能（第5.1节）。接着，我们在第5.2节评估空间配准的质量。我们分析了产卵检测模型（第5.3节）和巢房图像分类网络（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节中，我们展示了完整图谱流程的结果。

局限性

尽管我们的巢脾语义图谱方法取得了可喜的成果，但必须承认我们研究存在若干局限性。我们的实验设置仅限于单个观察蜂箱，且仅包含两个巢脾，蜂箱位于室内，通过塑料管与室外环境相连。尽管此类设置在生物学研究中很常见且足以进行验证，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天的实验持续时间虽然足以展示方法的可行性，但限制了我们可以观察到的育幼周期数量。未来的研究应在更长的时期内和更多的蜂群中验证该方法。

未来工作

未来，我们计划设计一种更稳健的巢脾扫描配准方法，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自然环境中的蜂群，探索通过着色等计算机视觉方法增强图像清晰度可能也有益处，同时考虑替代的目标检测方法。一个大障碍还包括设置时序模型的参数，这需要领域专业知识。我们计划通过将我们的方法与人工计数或标准蜂群评估方法进行比较，进行更广泛的验证。

结论

监测蜂群的健康状况对于发现蜂群应激的早期迹象至关重要。此类监测的一种选择是持续观察巢脾，其中包含蜂群发展、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多次观察，并且还会干扰蜂群。在这项工作中，我们提出了一个概念验证，用于通过机器人在观察蜂箱内自动、非侵入式地监测巢脾。