Forschungsbibliothek

Forschung

Papiere, Datensätze, Modelle und Feldnotizen sind zu einer praktischen Forschungskarte für die digitale Imkerei verbunden, von akademischen Referenzen bis hin zu angewandten Gratheon-Experimenten.

Papiere durchsuchen Datensätze erkunden

Gratheon-Forschungsressourcen

Gratheon-Datensätze

Inspektionsfotos, Eingangsvideos, Metriken, Flugbahnen und externe Referenzressourcen für Experimente und Benchmarking.

Gratheon-Modelle

Bienenerkennung, Königinnenerkennung, BeePose und Varroa-auf-Biene-Erkennung für Browser-Inferenz, HTTP-Dienste und Edge-Experimente.

Gratheon Forschung

Gratheon Research ist eine Arbeits-Wissensdatenbank für digitales Bienenhaltung: akademische Literatur, Feld-Datasets, Machine-Learning-Modelle und Ingenieursexperimente an einem Ort verbunden.

Wir konzentrieren uns auf angewandte Forschung in den Bereichen Bienenvorhersagbarkeit, Volksgesundheit, Computer Vision, IoT-Sensorik und Automatisierung. Diese Fäden informieren die laufende Arbeit an Entrance Observer, dem Roboter-Bienenstock und der KI-unterstützten Analyse in der Web-App.

Papers durchsuchen Datasets erkunden
Bienenforschung und Überwachung Überblick
142 Papiernotizen verfolgt
2009–2026 Publikationsbereich
70 Computer-Vision-Papiere
61 IoT & Sensor-Papiere

Forschungsschwerpunkte

Computer Vision

Eingangstrafik-Analyse, Pollen- und Hornissenerkennung, Wabeninspektion, Pose-Schätzung und Verhaltenserkennung für reale Bienenstock-Bedingungen.

IoT & Sensoren

Echtzeit-Vergleich von Gewicht, Temperatur und Feuchte. Sensorarchitekturen und Kalibrierungsmethoden für die Feldumgebung.

Robotik & Automatisierung

Bienenstock-inspektierende Roboter, automatisierte Wabenhandhabung und autonomer Pollen-Sampling.

Dataset-Übersicht

Feld-Datasets werden in GitHub-Repos und dem Forschungsdatenbank-Dashboard verwaltet.

<div class="dataset-table">
  <table>
    <thead>
      <tr><th>Datensatz</th><th>Typ</th><th>Sammlungsort</th></tr>
    </thead>
    <tbody>
      <tr><td><a href="/research/datasets/bee-activity/">Bienen-Aktivitäts-Datenbank</a></td><td>Vergleich von Gewicht, Temperatur und Feuchte</td><td>TalTech (Eesti Mesilase Kasvatajate Seltsi)</td></tr>
      <tr><td><a href="/research/datasets/cassini/">Cassini Sensor-Log</a></td><td>Eingangskamera-Traffic + Umgebungssensoren</td><td>Cassini Hackathon, Garage48</td></tr>
      <tr><td>Bienen-Eingangsvideos (2021–)</td><td>MJPEG-Aufnahmen an Bienenstöcken</td><td>Gratheon-Sammelorte</td></tr>
    </tbody>
  </table>
</div>

<h3>Papier-Statistiken</h3>
<p>Gesamt: <strong>142</strong> Papiere in der Wissensdatenbank. Die meisten stammen aus den Jahren <strong>2025, 2026 und 2024</strong>, mit einem Schwerpunkt auf <strong>Computer Vision für die Bienenvorhersagbarkeit</strong>.</p>
<div class="research-actions">
  <a class="research-button research-button--primary" href="/research/papers/">Alle Papers ansehen</a>
</div>

Aktuelle Arbeiten

2026 · Computer Vision

Varroa-mite-Erkennung auf Bienen

Multi-Class-Objekterkennungs-Pipeline für Varroas am lebenden Wirt. Veröffentlicht als Open-Source-Modell mit reproduzierbarem Training.

Forschungszusammenarbeiten

Bachelor-Thesis-Unterstützung

Unterstützung für akademische Arbeit an digitalen Bienenhaltungs-Lösungen, praktische Systemauslegung und feldtaugliche Monitoring-Arbeitsabläufe.

Offen für Zusammenarbeit

Wir begrüßen Forscher, Universitäten und angewandte Ingenieurteams, die an Bienengesundheit, Vorhersagbarkeit, Machine Learning und verantwortungsvoller Automatisierung arbeiten.