袁 紅，黃 峻，王銳剛 ，王雙莉

（1.云南農(nóng)業(yè)大學大數(shù)據(jù)學院，云南 昆明 650000；2.云南省產(chǎn)品質(zhì)量監(jiān)督檢驗研究院，云南 昆明 650223；3.云南農(nóng)業(yè)大學理學院，云南 昆明 650000；4.云南省蜂業(yè)協(xié)會，云南 昆明 650000）

關鍵字：蜜蜂；流量分析；計數(shù)

在自然界中，蜜蜂有著重要的作用[1]。蜜蜂對植物進行授粉，一方面促進了農(nóng)作物的生產(chǎn)，另一方面蜜蜂對生物多樣性和生態(tài)平衡具有重要意義[2,3]。

蜜蜂流量分析是指通過記錄蜜蜂進出的數(shù)量，對蜜蜂的活動情況進行分析和研究。蜜蜂進出蜂巢的這一行為可以提供關于蜂群健康狀態(tài)和生長狀態(tài)的有價值的數(shù)據(jù)，特別是負責采集花粉和花蜜的蜜蜂，為整個蜂群提供必要的營養(yǎng)，它們的進出頻率是確定蜂群活動的一個重要指標[4]。蜜蜂流量自動監(jiān)測技術可以減少人為開箱檢查工作，通過規(guī)范化的養(yǎng)殖提高蜂產(chǎn)品的產(chǎn)量，與精準養(yǎng)蜂的目標一致[5]。精準養(yǎng)蜂(Precision Beekeeping)的概念最早由Zacepins 提出，它是一種養(yǎng)蜂場管理策略，是指通過對整個蜂群的監(jiān)控，以達到最小化資源消耗和最大化蜜蜂生產(chǎn)的目標[6]。精準養(yǎng)蜂在監(jiān)控領域的目標之一是開發(fā)實時在線工具，用于在蜜蜂的生活和生產(chǎn)期間自動連續(xù)監(jiān)控蜜蜂，旨在保護蜜蜂，支持養(yǎng)蜂人，并通過數(shù)字基礎設施優(yōu)化養(yǎng)蜂產(chǎn)業(yè)[7]。通過對蜜蜂流量分析的相關文獻查閱統(tǒng)計，從蜜蜂流量分析技術的沿革、技術的比較展開論述，總結了這些技術的優(yōu)缺點，對未來在該領域的研究進行了展望。

2 蜜蜂流量自動監(jiān)測技術的沿革

根據(jù)時間發(fā)展順序，不同時期選擇蜜蜂流量分析技術時，方法會有所差異，從1925 年至今技術不斷成熟，相關核心技術如圖1 所示。

圖1 蜜蜂流量分析技術發(fā)展歷程

早在20 世紀，人們就開始進行蜜蜂的計數(shù)實驗，最早的蜜蜂計數(shù)實驗之一是由Lundie在1925 年完成的，他建造了一個裝置，通過連接到電路的敏感壓力板來跟蹤進出蜂巢的蜜蜂，電路由蜜蜂經(jīng)過板的重量激活[8]。Spangler等（1969 年）為單框觀察蜂箱開發(fā)了一種光電計數(shù)器，從中心隔板上向相反方向突出的玻璃管將出巢的蜜蜂和進巢的蜜蜂分開，有2 個通道[9]。同樣的，Erickson 等（1975 年）開發(fā)了一種在蜂巢入口處監(jiān)控蜜蜂流動并以電子方式計數(shù)蜜蜂的方法，實驗使用了一個5 框蜂巢，他們設置了7 個通道[10]。Rickli 等（1989 年）開發(fā)了一種具有紅外光屏障和電子數(shù)據(jù)采集功能的設備，可以持續(xù)監(jiān)測自由飛行的蜂群活動，蜂巢門口的進出孔設置了16(8×8×7 mm)個通道[11]。Liu 等（1990 年）使用紅外光傳感器自動監(jiān)測蜂巢入口處的飛行活動，一個3 框的觀察蜂巢（大約6 000 只蜜蜂）被用來測試[12]。Seeley 等(1991 年）通過貼標簽的方式標記蜜蜂，并控制喂食器來觀察蜜蜂對于不同蜜源的選擇，結果顯示當一個蜜蜂群體在選擇兩個不同的蜜源時，會趨向于選擇較為豐富的蜜源[13]。Struye 等（1994 年）設計了蜂箱入口處蜜蜂飛行活動的微處理器，可以監(jiān)測10 個蜂巢，并且每個蜂巢設置了32 個雙向通道(15×6.5×8 mm)，每個通道皆有紅外探測器，由異步順序算法控制，提高了計數(shù)器的精度，在不同情況下測量了蜜蜂的日?；顒覽14]。

經(jīng)過不斷地發(fā)展，21 世紀的技術更加多樣化。Sebastian Streit 等（2003 年）提出了一種基于射頻識別技術（RFID）的可靠的、低成本的解決方案，在蜂巢門口設置了一個讀數(shù)器，每秒可記20 個個體[15]。Axel Decourtye 等（2011 年）也使用了RFID 標簽，標簽重量約3 mg，一只蜜蜂大約能夠攜帶70 mg花蜜和10 mg花粉。通過讀取器下方時，貼有標簽的蜜蜂被識別，讀取器將數(shù)據(jù)連同實時記錄一起發(fā)送到數(shù)據(jù)庫[16]。2010 年何旭江等人也曾提到RFID 技術在蜜蜂研究中的應用[17]。

人們近幾十年來，經(jīng)常選用圖像處理技術進行蜜蜂流量分析。Adam Feldman（2003 年）等設計了一個自動識別蜜蜂運動的系統(tǒng)，使用攝像機拍攝視頻，將視頻傳到追蹤器，這個實驗使用15 min 視頻文件作為數(shù)據(jù)集，其中前5 min 蜜蜂出現(xiàn)的地方被人工標記作為訓練集，其余作為測試集，使用了KNN（k-Nearest-Neighbor）分類器提取特征，HMM（Hidden Markov Model)平滑整個數(shù)據(jù)集的標簽以提高準確性[18]。Knauer 等（2005 年）利用數(shù)字視頻和計算機圖像分析技術，進行自動的蜜蜂跟蹤實驗。實驗在蜂箱內(nèi)部用紅外攝像機進行，照明由近紅外LED 提供，它發(fā)出的光不影響蜜蜂的活動[19]。Jason Campbell 等（2008 年）提出了在養(yǎng)蜂場中不確定的環(huán)境因素下可視化的跟蹤和計數(shù)方法，使用固定在標準蜂巢入口上的攝像機（分辨率為640×480 px；幀率為30f/s）來監(jiān)測往返于蜂巢的蜜蜂活動，然后利用高斯分布對爬行和飛行的蜜蜂位置和方向的變化進行建模，通過自適應背景減法來檢測蜜蜂，并使用二分圖最大權值匹配算法來跟蹤蜜蜂的運動，這個方法能夠以較高的精度來計算進出蜂巢的蜜蜂數(shù)量[20]。Toshifumi KIMURA 等（2011 年）開發(fā)了一種用于蜜蜂個體識別和行為跟蹤的系統(tǒng)，他們用數(shù)碼攝像機(分辨率為720×480 px；幀率為29.97F/s)錄制一個蜜蜂蜂巢視頻。該系統(tǒng)能夠在每一幀中自動對蜜蜂進行計數(shù)，成功識別了一個700 多只的小蜂群中的大約500 只蜜蜂[21]。

Chiu Chen 等（2012 年）開發(fā)了一個用于監(jiān)測和分析蜜蜂巢門口進出活動的成像系統(tǒng)，為了識別每只蜜蜂，在蜜蜂胸部的背面貼上了圓形的字符編碼標簽。為了定位視頻幀中的單個蜜蜂，使用霍夫圓檢測算法來檢測圓形標簽的存在，標簽上的黑色定位點用于識別字符的方向，以便于閱讀圓形標簽上的符號。提取的字符符號被進一步分割，并且使用支持向量機(SVM)分類器來識別字符并識別個體蜜蜂[22]。Ahmad Ghadiri 等（2013 年）使用攝像機（分辨率為640×480px)拍攝監(jiān)控視頻，視頻被傳輸?shù)揭粋€服務器上，并轉換成圖像幀，然后用變化檢測算法計算圖像中的蜜蜂數(shù)量。變化檢測算法是將兩幅圖像進行比較，并將它們之間的差異以二進制掩碼的形式返回，將變化的部分標記為1，未變化的部分標記為背景。為了計算蜜蜂數(shù)量，一種方法是計算從變化檢測算法中得到的變化遮罩中的片段數(shù)量。另外一種是當兩只或更多的蜜蜂被檢測為一個片段時，該片段的像素大小大于圖像中一只蜜蜂的平均大小，在找到所有片段后，計算每個片段的大小，然后除以一只蜜蜂的平均大小，結果被用作該段中檢測到的蜜蜂的數(shù)量。兩種結果相加為蜜蜂數(shù)量最終檢測結果[23]。

Vladimir Kulyukin 等在2014 年設計和建造了多傳感器電子蜂箱監(jiān)視系統(tǒng)，名為BeePi監(jiān)視器，系統(tǒng)由一臺“樹莓派”電腦、一個微型攝像頭、一個太陽能電池板、一個溫度傳感器、一個電池、一個硬件時鐘和一個太陽能充電控制器組成。系統(tǒng)中計算蜜蜂流量的方法是使用Java 語言并調(diào)用Opencv 2 圖像處理庫實現(xiàn)的。第一個算法是Opencv 2 中的輪廓檢測算法，采用二值化圖像并返回輪廓列表，每個輪廓都是像素的連通分量，小于30 或大于50 的像素將會被刪除，可以根據(jù)需要調(diào)整這些參數(shù)，找到的輪廓的數(shù)量是對降落墊上蜜蜂數(shù)量的估計。第二種蜜蜂識別方法是基于對裁剪過的降落墊（綠色）的二進制像素分離，每個像素都被檢查是否存在綠色。如果綠色的存在超過了一個閾值，該像素就被標記為一個墊子像素，反之該像素被標記為蜜蜂像素。降落墊的像素被標記為白色，蜜蜂的像素被標記為黑色，然后，用檢測到的蜜蜂像素數(shù)除以30（單個蜜蜂的平均像素數(shù)），就可以得到降落墊上的蜜蜂數(shù)量的估計[24]。Rahman Tashakkori 等（2017 年）早期對蜜蜂計數(shù)是從監(jiān)控攝像頭獲得的圖像，使用了閾值算法來分割蜜蜂，對含有蜜蜂的斑點進行計數(shù)，以獲得對圖像幀中蜜蜂數(shù)量的估計，改進后利用“樹莓派”攝像頭模塊作為其數(shù)據(jù)采集工具[25]。Adnanq Shaout 等（2019 年）開發(fā)了一個蜂箱監(jiān)視器，該設備集成了視覺系統(tǒng)、聲音系統(tǒng)、溫濕度系統(tǒng)、重量系統(tǒng)和警報系統(tǒng)。其中視覺系統(tǒng)是監(jiān)控進出蜂箱的蜜蜂數(shù)量，將攝像機安裝在蜂箱的入口處，用拍攝到的圖片作為數(shù)據(jù)集，并在照片中蜜蜂出現(xiàn)的地方進行手工標記，通過聚合通道特征算法訓練標記的數(shù)據(jù)，然后使用訓練的算法來識別蜂箱入口處的蜜蜂，并將識別到的蜜蜂數(shù)存儲起來[26]。Thi Nha Ngo 等（2021 年）提出了一種通過嵌入式成像系統(tǒng)自動監(jiān)測蜜蜂采食花粉行為的有效方法。該成像系統(tǒng)使用安裝在蜂巢入口處的相機來獲取視頻流，并使用圖像處理算法進行處理。一個輕量級的實時物體檢測和基于深度學習的分類模型，在物體跟蹤算法的支持下，被訓練用來計數(shù)并將蜜蜂識別為帶花粉或不帶花粉的類別[27]。

Vladimir Kulyukin 等（2020 年）提出了一種基于數(shù)字粒子圖像測速法（DPIV）的蜜蜂運動估計算法，使用DPIV 來計算運動矢量，對它們進行分析和分類，將其歸為進、出或橫向，并使用分類后的矢量計數(shù)來測量蜜蜂的方向性交通。在2019 年他們也使用這個算法來檢測蜜蜂的全向交通。這項研究的數(shù)據(jù)是通過BeePi 監(jiān)視器獲取的，自從2014 年BeePi 監(jiān)視器被他們開發(fā)以來，經(jīng)過了多次迭代修改，直到2020年，BeePi 監(jiān)視器已經(jīng)進行了6 次實地部署[28]。

3 蜜蜂流量自動檢測技術的比較

經(jīng)過長期的發(fā)展，人們對蜜蜂流量分析所采用的技術越發(fā)成熟，但無論是紅外收發(fā)器技術，還是圖像處理技術、射頻識別技術、數(shù)字粒子圖像測速技術等都有著各自的優(yōu)缺點，圖像處理技術是21 世紀以來較為流行的檢測方法之一，在圖像處理技術中可以使用不同的算法，每個算法之間也有著各自的優(yōu)缺點。紅外收發(fā)器技術、圖像處理技術、射頻識別技術、數(shù)字粒子圖像測速技術的使用以及它們之間的比較，如表1 所示?；趫D像處理的蜜蜂流量自動監(jiān)測技術可以使用的算法有很多種，例如特征提取算法、輪廓檢測算法、霍夫圓檢測算法、高斯背景減法、閾值分割算法，均值分類算法等，使用圖像處理的一大優(yōu)勢是容易實現(xiàn)對瓦螨的檢測，以及帶有花粉的蜜蜂檢測。不同的實驗要求對設備和算法的選擇也會有差異，例如Babic等（2016 年）提出的在蜂巢門口監(jiān)測帶有花粉的蜜蜂的系統(tǒng)，該系統(tǒng)使用背景減法、顏色分割和形態(tài)學方法對蜜蜂圖像進行分割。使用最近均值分類器進行分類，即攜帶花粉的蜜蜂和沒有花粉負荷的蜜蜂[29]。這個算法雖然簡單，計算效率高，并且可以在嵌入式系統(tǒng)上實時執(zhí)行，但是結果與復雜算法相比仍然存在差異，而且需要高清的監(jiān)控視頻，另外背景板的顏色需要與蜜蜂以及花粉有顏色上的區(qū)分。

表1 蜜蜂流量分析方法的比較

Joe-Air Jiang 等(2016 年）在他們的研究中使用了紅外LED 檢測蜜蜂流量，在蜜蜂進出通道的巢門外和巢門內(nèi)分別安裝了兩對LED 模塊，外面的叫作“IR1”，里面的叫作“IR2”，先中斷IR1 的信號，再中斷IR2 的信號被記為“進”，反之則為“出”。在該算法機制中規(guī)定了蜜蜂進巢的事件和蜜蜂出巢的事件，蜜蜂在門口徘徊以及一只蜜蜂進入和另一只蜜蜂同時離開的特殊事件[8]。使用紅外收發(fā)器能夠?qū)崟r記錄蜜蜂的進出情況，但是每次只能記錄單只蜜蜂單獨通過通道[30]。

RFID（射頻識別）技術也可以用在對蜜蜂計數(shù)的研究中，雖然該技術是自動識別系統(tǒng)，對蜜蜂計數(shù)精度也很高，但是它需要對蜜蜂進行人為的貼標簽，并且該方法在蜜蜂的長期監(jiān)控中具有不可持續(xù)性，對每次新繁殖的蜜蜂需要再進行貼標簽。

在蜜蜂流量自動監(jiān)測的研究中使用基于數(shù)字粒子圖像測速技術的方法，其特點在于把蜜蜂的運動軌跡轉化為矢量，通過分析將其分為傳入、傳出或側向這三類運動方向，這被稱為定向交通，并將分類后的矢量計數(shù)作為定向交通水平的測量值[28]。與定向交通并列的還有全向交通，指的是蜜蜂在巢門口任意方向的運動矢量[31]。該算法是一種純粹的分析技術，但不適合蜜蜂流量過大的計算，可以測量的速度范圍也有一定限制。

綜上所述，從1925 年開始的很長一段時間，基本依靠機械的電子監(jiān)測裝置，再后來使用基于傳感器的監(jiān)測裝置。在20 世紀末到21 世紀初期，基于傳感器的監(jiān)測裝置占有重要地位，比如光學傳感器（光電傳感器、紅外傳感器）、電磁傳感器（RFID 技術）和電容傳感器等[32-33]。21 世紀以來，越來越多的研究者更傾向于選擇基于圖像處理的蜜蜂流量自動監(jiān)測裝置，DVIP 技術是近幾年才開始使用在蜜蜂流量自動監(jiān)測研究中的[34-35]。相關文獻數(shù)量統(tǒng)計如圖2 所示。

圖2 蜜蜂流量分析技術相關文獻數(shù)量

4 蜜蜂流量自動監(jiān)測技術的局限性

通過對幾種常用蜜蜂流量分析技術的比較，我們可以看出這些技術在不同的應用場景都存在著一些局限。圖像處理最大的不足在于蜜蜂計數(shù)結果的精確度不夠高，例如在兩只或多只蜜蜂堆疊在一起的情況下，可能會被誤判[28]，所以這種技術應用在專門的蜜蜂科學研究領域是不夠嚴謹?shù)?。紅外對射傳感器需要在蜂箱的巢門口設置專門的通道，這一定程度上影響了蜜蜂的正?；顒樱@個通道只允許單只蜜蜂通過，在蜜蜂流量過大的時候會擾亂蜜蜂的秩序[16]。RFID 技術在蜜蜂計數(shù)這個過程中，人為貼標簽不僅是一項煩瑣的工作，而且會影響蜜蜂的正?；顒?，在蜜蜂更新繁殖期間，這項技術也體現(xiàn)出了不可持續(xù)性[20]。數(shù)字粒子圖像測速技術在蜜蜂流量過大、飛行速度很快的時候會產(chǎn)生嚴重的誤差，蜜蜂又是一種體積小，數(shù)量多的群居物種，所以該方法在蜜蜂計數(shù)這項研究中面臨著很嚴峻的考驗[30]。

5 展望

監(jiān)測一個蜂群的狀態(tài)需要多種特征值，例如蜂箱的重量，蜂群的聲音，蜂箱內(nèi)的氣體濃度、溫度、濕度，蜜蜂的進出量（蜜蜂流量）[16]。蜜蜂流量可以反映整個蜂群的某些特征，并且為養(yǎng)蜂人提供相應的幫助[8]。研究者們希望通過蜜蜂流量自動監(jiān)測技術在不影響蜂群正?；顒拥那闆r下及時發(fā)現(xiàn)蜂群的活動情況，科學分析蜂群的繁殖能力，生產(chǎn)能力，健康狀態(tài)等，對蜂群的異?；顒犹峁┯袃r值的參考，如分蜂事件、逃跑事件、受到攻擊等等[37]；在精準養(yǎng)蜂領域，可以通過這些自動監(jiān)測技術監(jiān)控蜜蜂，養(yǎng)蜂人無需開箱檢查就能及時發(fā)現(xiàn)蜜蜂的狀態(tài)，在蜂群發(fā)生異常情況時及時通知養(yǎng)蜂人，以便快速做出應對，最大程度降低蜂群的損失，通過規(guī)范化的管理提高蜜蜂產(chǎn)能[11]。自動監(jiān)測技術對科學應用來說，應提高其精確度，以便準確分析蜜蜂的特征；對養(yǎng)蜂人來說應該是低成本，容易安裝，容易操作并且信息反饋及時的。總的來說這些自動監(jiān)測技術都應該以不影響蜜蜂的正?；顒訛榛A，希望在未來的研究中人們能充分考慮這些因素，設計出更加合適的裝置適用于科學研究或者是精準養(yǎng)蜂。