Внешние ссылки
Аннотация
Поведение медоносных пчёл внутри улья сложно анализировать из-за высокой плотности похожих объектов, окклюзий, небольшого размера пчёл, разнообразного фона и быстрых изменений движения. Авторы исследовали задачу отслеживания отдельных пчёл в наблюдательном улье с помощью глубокого обучения и фильтра Калмана.
Для детекции и сегментации отдельных пчёл использовалась Mask R-CNN с backbone ResNet-101. Затем фильтр Калмана связывал сегментированные объекты между кадрами и строил траектории нескольких пчёл. Видео были записаны в специально спроектированном наблюдательном улье с частотой 30 fps, а для обработки использовался поток 10 fps. Для оценки применялись метрики mAP для детекции и сегментации, CLEAR MOT для трекинга и MOTS для совмещённой сегментации и отслеживания. Модель достигла mAP 0.85 для сегментации, MOTA 77.48%, MOTSP 79.79% и recall 79.56%, что показывает практическую пригодность такого стека для анализа поведения внутри улья.
Значимость для Gratheon
Работа напрямую применима к видеомониторингу Gratheon: она объединяет детекцию, сегментацию и многообъектный трекинг пчёл в условиях, похожих на реальные наблюдательные ульи. Такой подход может использоваться для камер на летке, анализа взаимодействий пчёл и будущего внутреннего видеомониторинга рамок.
Для продукта особенно полезны выбранные метрики: Gratheon может использовать MOTA, MOTSP и recall как ориентиры качества при сравнении собственных моделей трекинга. Исследование также показывает, что один только детектор недостаточен - для полезной поведенческой аналитики нужен устойчивый слой трекинга, который сохраняет индивидуальные траектории при окклюзиях и плотном движении.