Vizuální detekce parazitických roztočů na včelách

Abstract

Práca sa zaoberá vývojom systému na detekciu klieštikov na včelách pomocou metód počítačového videnia a za použitia osvetlenia s konkrétnymi vlnovými dĺžkami. Ide o vlnové dĺžky 500 nm, čo je tyrkysová farba, a 780 nm, čo je infračervená. Využívajú sa klasické metódy aj metódy hlbokého učenia. Cieľom bolo zachytiť snímky včiel, ktoré prechádzajú monitorovacím zariadením a zároveň sú osvetlené úzkym spektrom svetla. Ďalším cieľom bolo natrénovať modely, ktoré dokážu spoľahlivo identifikovať klieštikov na včelách, čím sa by sa znížila nutnosť manuálnej kontroly včelstva. Vytvorené modely zahŕňajú architektúru objektového detektora YOLOv11 a architektúru sémantickej segmentácie U-net, pričom oba dosiahli uspokojivé výsledky. Hlavným problémom zostáva presnosť detekcie klieštikov na okrajoch včiel, ktorý však bude možné riešiť súčasným osvetlením oboch vlnových dĺžok.

The thesis focuses on the development of a system for detecting mites on bees using computer vision techniques and illumination with specific wavelengths. The wavelengths employed are 500 nm, corresponding to turquoise light, and 780 nm, corresponding to infrared light. Both classical image processing methods and deep learning approaches are utilized. The primary objective was to capture images of bees as they pass through a monitoring device while being illuminated with a narrow spectrum of light. Another goal was to train models capable of reliably identifying mites on bees, thereby reducing the need for manual hive inspections. The developed models include the YOLOv11 object detection architecture and the U-net semantic segmentation architecture, both of which achieved satisfactory performance. A key remaining challenge is the accurate detection of mites located on the edges of bees, which may be addressed by simultaneous illumination with both wavelengths.