Search academic texts

Information × Registration Number 0824U001298, PhD dissertation Status Доктор філософії Date 04-09-2025 popup.evolution o Title Neural Network Models for Identifying the State of the Bee Colony Author Oleksandr O. Zhukov, popup.head Vitalii I. Horbenko popup.opponent Sergei O. Subbotin popup.opponent Mykhaylo R. Melnyk popup.review Andriy O. Lisnyak popup.review Oleksii V. Kudin Description Дисертаційна робота присвячена дослідженню проблеми ідентифікації стану бджолиного вулика за допомогою моделей нейронних мереж. Робота спрямована на розробку ефективних методів автоматизованого моніторингу бджолиних сімей з використанням сучасних технологій глибокого навчання. Медоносні бджоли відіграють важливу роль в екосистемі, запилюючи значну частину сільськогосподарських культур. Однак в останні роки спостерігається скорочення популяції бджіл, через що зростає необхідність у активному моніторингу бджолиних сімей. Традиційні методи управління вуликами значною мірою покладаються на візуальні огляди пасічником внутрішнього простору вуликів. Такий підхід є трудомістким, оскільки передбачає виймання та огляд рамок вулика і має пряму залежність від досвіду та навичок пасічника. Використання нейронних мереж з даними, отриманими з бджолиного вулику, має ряд переваг порівняно з традиційними методами. По-перше, нейронні мережі дозволяють здійснювати безперервний та об’єктивний моніторинг на основі даних, отриманих з різних джерел, що робить їх ефективним інструментом для визначення станів вулику. По-друге, вони здатні виявляти приховані залежності в даних, які важко помітити при візуальному огляді. Крім того, навчені нейромережеві моделі можуть адаптуватись до різних умов експлуатації шляхом підходу трансферного навчання, що є особливо актуальним у випадку застосування навчених моделей з різними породами бджіл та у різних географічних локаціях. Було виділено три основні напрями застосування нейронних мереж для ідентифікації станів бджолиних сімей: аналіз візуальних, акустичних та сенсорних даних. В дисертаційній роботі розроблено комплекс нейромережевих моделей для визначення бджіл на зображеннях, класифікації їх індивідуальних станів, а також для визначення загального стану вулика на основі аналізу акустичних даних та часових рядів з сенсорів. Для роботи з візуальними даними, було проведено аналіз існуючих архітектур нейронних мереж визначення об’єктів та розглянуто методи покращення зображень з метою покращення результатів за варіативних умов освітлення. Також, було запропоновано архітектури нейронних мереж для класифікації станів окремих бджіл на зображеннях. Для визначення стану бджіл на основі акустичного аналізу в роботі було розглянуто підходи виділення ознак STFT та MFCC та розроблено нейромережеві моделі для класифікації стану присутності чи відсутності матки. Було проаналізовано застосування навчених моделей на даних, отриманих за інших умов та розглянуто ефективність використання методів трансферного навчання для адаптації навчених моделей до нових даних. В дисертаційній роботі було також розглянуто використання нейронних мереж у поєднанні з сенсорними даними з вулика. Запропоновано підхід до попередньої обробки часових даних, що базується на відносних значеннях ваги та температури. На основі оброблених даних, розроблено моделі нейронних мереж для ідентифікації подій та глобальних станів у вулику. Для тестування розроблених підходів було проведено ідентифікацію станів бджолиної сім’ї на даних, отриманих з розробленої експериментальної системи. Результати показали ефективність підходу використання відносних даних та підкреслило актуальність розробки універсальних систем, що здатні функціонувати у різних умовах вуликів. Універсальність моделей є актуальною проблемою при розробці нейромережевих моделей для моніторингу бджолиних сімей. Для подолання цієї проблеми було запропоновано використання доменної адаптації, що дозволяє підвищити узагальнюючу здатність моделей на нових даних. Також, в роботі приділено увагу компактності запропонованих моделей та їх можливості застосування у середовищі спеціалізованих мікроконтролерів, що є актуальною проблемою в умовах обмежених обчислювальних ресурсів. За результатами проведених у дисертаційній роботі досліджень було розроблено моделі нейронних мереж для автоматизованої ідентифікації стану бджолиної сім’ї на основі даних змішаного типу. Запропоновано підходи до аналізу візуальної акустичної та сенсорної інформації, а також методи для підвищення стабільності та адаптивності моделей до реальних умов експлуатації. Реалізовані моделі та підходи можуть бути впроваджені у практику бджільництва для раннього виявлення критичних станів та оптимізації управління пасіками. Registration Date 2024-03-20 popup.nrat_date 2024-03-20 Close