Исследовательская база

Deep Edge IoT for Acoustic Detection of Queenless Beehives

Медоносные пчёлы играют жизненно важную роль в устойчивости экосистем, и необходимость отслеживать здоровье пчелиной семьи стимулировала развитие IoT-систем в пчеловодстве. В последние годы исследования рассматривают как эмпирические подходы, так и методы machine learning для выявления и анализа ключевых состояний улья. В этой работе авторы представляют IoT-систему, использующую сенсоры для записи и анализа акустических сигналов внутри улья. Захваченные аудиоданные передаются в облако, где преобразуются в представления mel-спектрограмм для дальнейшего анализа. Авторы исследуют несколько стратегий предобработки данных и ML-моделей, оценивая их эффективность для классификации состояния отсутствия матки. Чтобы проверить обобщающую способность моделей, применяются техники transfer learning между датасетами, собранными на разных ульях. Кроме того, процесс извлечения признаков и предварительно обученная ML-модель развёртываются на deep edge IoT-устройстве Arduino Zero. Анализируются как потребление памяти, так и время выполнения. Результаты показывают, что выбранный метод извлечения признаков и ML-модель достаточно лёгкие, чтобы работать в пределах доступной памяти устройства, а время выполнения подтверждает реализуемость детекции отсутствия матки в реальном времени для edge-приложений.