طراحي و توسعه الگوريتم پردازش تصوير براي مانيتورينگ فعاليت زنبور عسل در كلوني در شرايط نور طبيعي

Development of Image Processing Algorithm for Monitoring Honeybee Colony in Natural Light Condition

بررسي، كنترل و نگهداري كندوهاي زنبور عسل در تعداد زياد به روش دستي و رايج از نظر اقتصادي پر هزينه است و اين شيوه ها مشكلات زيادي را در رسيدگي به موقع به هر كندو ايجاد مي كند. از فاكتورهاي مهم در بررسي فعاليت زنبورها، بررسي تجمع آنها در قاب است. بدين منظور الگوريتم هاي پردازش تصوير براي شناسايي و شمارش تعداد زنبور عسل نوشته شد. از دو شيوه برچسب زني و شمارش بر مبناي سطح پروجكت شده زنبورها بترتيب براي شمارش زنبورهاي بصورت تكي و توده روي قاب استفاده شد. الگوريتم هاي نوشته شده روي تصاوير زنبورها مورد ارزيابي قرار گرفت. نتايج ارزيابي برنامه ها، حكايت از دقت 92/69 درصد براي الگوريتم تشخيص و شمارش مبتني بر برچسب زني و دقت 85 براي الگوريتم مبتني سطح مساحت زنبورها داشت و نشان داد كه برنامه هاي نوشته شده به طور موثري قادر به شناسايي و شمارش زنبورها مي باشد.

The conventional methods of monitoring honeybee hives and honeybee colonies are economically expensive. These methods introduce issues when in-time monitoring requires to be conducted for a large number of hives. In this project, we developed image processing algorithms for detecting and counting the number of honeybees, which are the factors implying the colony activity on a honeycomb. The algorithms used two image processing methods of labeling and measuring projected insect areas, respectively, for counting the detected individual isolated honeybees in less crowded colonies and the detected piled honeybees in more crowded colonies on combs. The algorithms were evaluated on honeybee images taken under natural lighting conditions. The results indicated 92.69% accuracy for the algorithm in which the labeling method was used and 85% accuracy for algorithm in which the count was based on the area projection. The findings of this project showed that the developed algorithms could detect and count honeybees effectively