Uso de aprendizado de máquina na borda para um sistema não invasivo de monitoramento de colmeias.
Abelha-melífera, Análise do comportamento de abelhas, Detecção de insetos, Aprendizado de máquina, Rede neural convolucional, Visão computacional, Análise de imagens, YOLOv8, Computação em borda, Monitoramento não invasivo.
As mudanças climáticas representam ameaças significativas às populações de abelhas,
tornando essencial o monitoramento contínuo da atividade das colmeias para a gestão da
apicultura e para pesquisas ecológicas. Este artigo apresenta um sistema inovador e não
invasivo de monitoramento de abelhas, que combina técnicas de aprendizado de máquina
e de visão computacional para a contagem automatizada de abelhas na entrada das colmeias.
O sistema utiliza o modelo de detecção de objetos YOLOv8n, implementado em
uma plataforma embarcada Raspberry Pi Zero 2W, permitindo o processamento local,
sem necessidade de transmissão para a nuvem. A avaliação de desempenho demonstrou
uma Precisão Média (mAP50) de 0,987, com precisão de 0,91, revocação (recall) de 0,96
e F1-score de 0,94 nas tarefas de detecção de abelhas. A validação com padrão-ouro, por
meio da análise de correlação de Pearson, evidenciou forte concordância (r = 0,93) entre
as contagens automatizadas e manuais. A análise de Bland-Altman revelou um pequeno
viés médio de 3,4 abelhas, com limites de concordância de 95% dentro de ±1,96 DP.
A abordagem automatizada elimina a necessidade de observação manual, reduz custos
de mão de obra e o distúrbio às colônias, ao mesmo tempo em que mantém alta precisão
de medição, oferecendo vantagens significativas para a apicultura de precisão e para
iniciativas de monitoramento ecológico.