Исследовательская база

Acoustic Signatures of Hive: Detecting Queen Bee Absence Through Machine Learning of Short Audio Segments

Редактор: Bin Han. Получено: 27 March 2026. Исправленная версия: 13 May 2026. Принято: 18 May 2026. Опубликовано: 25 May 2026. Copyright: © 2026 by the authors. Licensee MDPI, Basel, Switzerland. Эта статья находится в открытом доступе и распространяется в соответствии с условиями лицензии Creative Commons. Снижение численности медоносных пчёл представляет серьёзную угрозу для глобального биоразнообразия и сельскохозяйственной продуктивности, что подчёркивает необходимость непрерывных и неинвазивных решений для мониторинга улья. В частности, раннее выявление отсутствия матки критически важно для сохранения жизнеспособности пчелиной семьи. В этой работе исследуется эффективность моделей machine learning и deep learning для акустической детекции присутствия матки на основе коротких аудиосегментов, записанных в улье.

Сведения о публикации

Авторы
Pablo Ormeño-Arriagada, Christofer Jiménez, Ramón Arias Gilart, Karen Yañez, Daniel Ramírez
Организации
🇨🇱 Universidad de Viña del Mar🇨🇱 Universidad Técnica Federico Santa María
Год
2026
Тип
Journal

Актуальность для Gratheon

Эта статья важна для Gratheon, потому что она помогает развивать акустический мониторинг, диагностику здоровья пчелиной семьи и алерты, связанные с отсутствием матки, а также сенсорное оборудование, телеметрические пайплайны и дашборды мониторинга для удалённой оценки состояния улья. Её методы и выводы можно преобразовать в продуктовые требования для надёжных полевых внедрений: какие сигналы нужно измерять, как их интерпретировать и какие ограничения по неопределённости или валидации следует показывать пчеловодам. Для Gratheon работа особенно полезна как исследовательски обоснованный ориентир для связывания локальных наблюдений за ульем с практическими рекомендациями в веб-приложении при сохранении аппаратной части достаточно практичной для удалённых пасек. Особую ценность представляет фокус на коротких аудиофрагментах и задаче выявления отсутствия матки, потому что это хорошо совпадает с требованиями к быстрым и энергоэффективным сценариям локального inference на edge-устройствах.