返回
OpenBeePose: A Remote Sensing Framework for Bee Pose Estimation Using Deep Learning
DOI:10.3390/app16010303.png)
摘要
En 中文
遥感技术在养蜂业中用于姿态估计的应用,有潜力改变蜂群管理,改善蜜蜂健康并缓解蜜蜂数量下降。本文提出了一种新颖的蜜蜂姿态估计方法,该方法整合了两种现有深度学习模型的准确性和效率:一种用于特征提取的经典VGG-19网络架构变体,以及用于部件检测和组装的OpenPose改编版本。所提出的方法OpenBeePose与最先进的方法进行了比较,包括YOLO11和原始OpenPose。所使用的数据集由400张高分辨率蜂箱坡道图像(1080 x 1920像素)组成,这些图像在白天从八个不同的蜂箱中拍摄,总计超过3600个蜜蜂样本。每只蜜蜂均以YOLO格式标注,并标记了两个关键点:螫针和头部。获得的结果表明,OpenBeePose达到了与其他方法相似的高水平准确度,成功率超过99%。然而,其最显著的优势是其计算效率,这使得它在540 x 960图像的测试中成为最快的方法,并且比OpenPose快近两倍。
Keyword:
computer vision
remote sensing in apiculture
deep learning
activity monitoring
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
Study of Pose Estimation Based on Spatio-Temporal Characteristics of Cow Skeleton
AGRICULTURE-BASEL
IF3.6

