함께 만들어가는 환경 이야기

이 문서에서는 벌집 환경에서 개별 꿀벌을 추적하기 위해 딥러닝과 칼만 필터를 사용하는 방법을 살펴봅니다. 꿀벌 행동의 복잡성을 강조하는 이 연구는 고밀도, 작은 물체, 오클루전, 배경 가변성 등의 문제를 해결합니다. 이 접근 방식은 다중 꿀벌 감지 및 세분화를 위한 마스크 R-CNN과 ResNet-101 백본 네트워크, 개별 꿀벌 추적을 위한 칼만 필터를 결합합니다. 이 연구는 평균 평균 정밀도(mAP), 클리어 모트, 모트 등의 지표를 사용하여 프레임워크의 성능을 평가하여 다중 객체 추적 및 세분화 작업에 대해 만족스러운 결과를 얻었습니다. 제안된 시스템은 복잡한 와글와글 춤을 포함한 다양한 꿀벌의 행동을 처리하는 유연성을 보여줍니다. 비하이브 발레단 공개: 딥러닝 오디세이 생태학적 인사이트를 위한 꿀..

꿀벌 드론: 결국 그렇게 게으르지 않다 벌집 냉각에서 꿀벌 드론이 식민지의 생존에 미치는 역할을 밝혀낸 새로운 연구 결과 꿀벌 드론은 오랫동안 양봉가와 연구자들이 간과하는 벌집의 "게으른" 주민으로 여겨져 왔습니다. 하지만 콘스탄츠 대학교의 집단행동 고급연구센터(CASCB)와 막스플랑크 동물행동연구소의 전문가들이 수행한 획기적인 연구를 통해 수벌의 진정한 중요성이 새롭게 조명되었습니다. 드론의 놀라운 활동 알아보기 과거에는 드론이 처녀 여왕과 짝짓기 비행을 하는 단 하나의 목적을 가진 것으로 여겨졌습니다. 드론은 군집 활동에는 아무런 역할도 하지 않는 수동적인 존재로 여겨졌죠. 하지만 이번 연구를 통해 드론의 다른 면모가 밝혀졌습니다. 동기화된 과잉 행동: 보이지 않는 역할 연구원들은 혁신적인 BeesB..