Модели

Некоторые модели, которые мы обучили

Детекция пчёл

https://github.com/Gratheon/models-bee-detector/
https://github.com/Gratheon/entrance-observer/tree/main/weights

Детекция матки

https://github.com/Gratheon/models-queen-bee-detector

Внутренний object detector для поиска маток среди рабочих пчёл, трутней, пчёл с пыльцой и содержимого рамки/фона.

Поддерживаются два варианта развёртывания:

  • browser inference для Live Queen Finder через ONNX + onnxruntime-web
  • HTTP inference service для серверных экспериментов и интеграций

Базовая конфигурация обучения:

  • Model: yolov8n.pt
  • Image size: 512
  • Epochs: 60
  • Dataset: объединённые датасеты с матками, где queen labels нормализованы к классу queen, а изображения без матки сохранены как negative/background samples

Тестовые метрики (weights/best.pt):

  • Precision: 0.9727
  • Recall: 0.8590
  • mAP50: 0.9187
  • mAP50-95: 0.6114

Precision высокая, но recall всё ещё оставляет вероятность пропуска маток, поэтому в полевых условиях детекции нужно подтверждать визуально.

Live Queen Finder detection example

BeePose

https://github.com/Gratheon/models-beepose2

Детекция varroa-on-bee

https://github.com/Gratheon/models-varroa-on-bee

Внутренняя модель и микросервис для обнаружения клещей varroa непосредственно на пчёлах на изображениях улья.
Модель встроена в наш pipeline (web-app -> graphql-router -> image-splitter -> models-varroa-on-bee) и возвращает bounding boxes по HTTP.

Ключевые особенности:

  • Отдельные детекции varroa_on_bee (не только клещи на донье улья)
  • Простое API (POST / с загрузкой изображения через multipart/form-data)
  • Health endpoint для эксплуатации (GET /health)

Валидационные метрики (varroa_model5, best.pt):

Varroa-on-bee detection example