ساخت و ارزيابي سامانه تشخيص تراكم توده زنبور درون كندو با استفاده از بينايي ماشين

Manufacturing and testing of a system to detect bee colony density inside the hive using machine vision

هدف از اين پژوهش ساخت يك كندو مجهز به سامانه اخذ و تحليل تصاوير به صورت بي سيم و بي درنگ به منظور بررسي تراكم توده زنبور درون كندو و در صورت نياز نابودسازي آفت هاي احتمالي با تله گذاري مي‏باشد. در اين مطالعه از دو روش جريان نوري و ماتريس تفاوت تن خاكستري همسايگي به منظور بررسي وضعيت كندو و تعيين فعاليت زنبورها استفاده گرديد. نتايج حاصل از بررسي‏ها نشان داد كه مطابق تحليل جريان نوري، ميانگين در سطح احتمال 5 درصد توانايي تشخيص تراكم توده را دارد. مطابق با تحليل بافت، ويژگي‏هاي شلوغي و پيچيدگي با وضعيت تراكم توده زنبورها درون كندو داراي ارتباط معني داري مي باشند (05/0>p). همچنين به منظور تشخيص فعاليت زنبورها، از طبقه بند كننده غيرخطي بيز استفاده گرديد كه تركيب ميانگين و پيچيدگي و ميانگين و شلوغي به ترتيب با دقت كلي 67/98 و 95/92 درصد داده ها را دسته بندي نمودند.

The aim of this research was to construct an equipped hive with the acquisition, communication and analysis systems to send images online, wirelessly. This system could be used to evaluate density of bee colonies and also work as bait box to eliminate bee pest, if necessary. In this study, two methods, optical flow and neighborhood graytone difference matrix, were used to determine hive condition and bee activities. According to the results of optical flow analysis, mean was able to detect bulk of existing bee inside the hive at the confidence level of 5%. According to analysis of the texture, the parameters of busyness and complexity have a significant relationship with the bee’s density inside the hive (p<0.05). Moreover, in order to organizing the data in groups the classification algorithms based on Bayesian theorem was developed and executed. Concord to classification results, combination of mean with complexity and mean with busyness could classify the data with the total accuracy 98.67 and 92.95, respectively