Исследовательская база

Markerless tracking of an entire honey bee colony

От клеток в ткани до стай птиц и человеческих толп живые системы демонстрируют поразительное разнообразие коллективного поведения. Однако количественное изучение таких явлений сначала требует отслеживания значительной доли членов группы в естественных условиях — а это остаётся сложной и до сих пор не решённой задачей. Авторы представляют комплексный вычислительный метод отслеживания всей пчелиной семьи *Apis mellifera* с использованием видео высокого разрешения на фоне естественных сот. Архитектура сегментации на основе сверточной нейронной сети (CNN) адаптирована для автоматической идентификации положений пчёл и ячеек расплода, ориентации тел и состояний внутри ячеек. Метод достигает высокой точности (~10% ширины тела ошибки по позиции, ~10° ошибки по ориентации и true positive rate > 90%) и демонстрирует многомесячный мониторинг социометрических колебаний пчелиной семьи. Эти колебания включают ~24-часовые циклы числа детекций, отрицательную корреляцию между пчёлами и расплодом и ночное усиление присутствия пчёл внутри ячеек сот. Обнаруженные позиции объединяются с визуальными признаками изображений, центрированных на организме, чтобы отслеживать отдельных особей во времени и через сложные события перекрытия, восстанавливая ~79% траекторий пчёл из пяти наблюдательных ульев на пятиминутных интервалах. Полученные траектории раскрывают важные индивидуальные формы поведения, включая виляющие танцы и перемещение внутри ячеек сот.