System wspierający diagnostykę rodzin pszczelich

• Autorzy: Krzywoszyja G. , Andrzejewski G.

Warianty tytułu

EN

A support system for the diagnosis of bee colonies

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano konstrukcję systemu diagnostycznego, przeznaczonego do obserwacji zachowań pszczół. Główna część artykułu zawiera ocenę możliwości wydobycia informacji z dźwięków wytwarzanych przez pszczoły. Celem badań jest rozpoznanie stanów rodziny pszczelej oraz ich klasyfikacja. Opisano proces tworzenia modeli dźwięków oraz redukcji ich wymiarów. Przedstawiono obrazy otrzymane w diagnostycznej przestrzeni obserwacji stanów. W części końcowej opisano proces badania wybranego strumienia dźwięków i podjęto próbę interpretacji otrzymanych wyników.

EN

The design of a diagnostic system to observe the behavior of bees is described. The main part of the paper contains an assessment of the possibility of extracting information from sounds produced by bees. The aim of the study is to identify the states of colonies and their classification. It describes the processes modeling the sounds and reducing their size. Experimental images created in the diagnostic state space are shown. Finally, the process of testing a selected stream of sounds is outlined and an attempt to interpret the results is made.

Słowa kluczowe

PL

diagnostyka; dźwięk; pszczoły; stan

EN

bees; condition; diagnostics; sounds

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2014
• Tom: R. 60, nr 11
• Strony: 978--981
• Opis fizyczny: Bibliogr. 14 poz., rys., tab., wykr.

Twórcy

autor

Krzywoszyja G.

• Uniwersytet Zielonogórski, Wydział Elektrotechniki, Informatyki i Telekomunikacji, ul. Podgórna 50, 65-246 Zielona Góra

autor

Andrzejewski G.

• Uniwersytet Zielonogórski, Wydział Elektrotechniki, Informatyki i Telekomunikacji, ul. Podgórna 50, 65-246 Zielona Góra

Bibliografia

• [1] Hackett K.: Colony Collapse Disorder 2012 Annual Progress Report, U.S. Department of Agriculture Washington, 2012, www.ars.usda.gov/is/br/ccd/ccdprogressreport2012.pdf.
• [2] Kastberger G., Weihmann T., Hoetzl T.: Social waves in giant honeybees (Apis dorsata) elicit nest vibrations, Springer, Naturwissenschaften, s. 595–609, 2013.
• [3] Mezquida D., J. Martínez J.: Short communication. Platform for bee-hives monitoring based on sound analysis. A perpetual warehouse for swarm’s daily activity, Spanish Journal of Agricultural Research Madrid, Vol. 7, No. 4, s. 824–828, 2009.
• [4] Feldman A., Balch T.: Representing Honey Bee Behavior for Recognition Using Human Trainable Models, Internal Report, Georgia Institute of Technology Atlanta, s. 1–13, 2005.
• [5] Seeley T., Visscher P.: Group decision making in nest-site selection by honey bees, Apidologie, Vol. 35, s. 101–116, 2004.
• [6] Schneider S., Lewis L.: The vibration signal, modulatory communication and the organization of labor in honey bees, Apis mellifera, Apidologie, Vol. 35, s. 117–131, 2004.
• [7] Papachristoforou A.: High frequency sounds produced by Cyprian honeybees Apis mellifera cypria when confronting their predator, the Oriental hornet Vespa orientalis, Apidologie, Vol. 39, s. 468–474, 2008.
• [8] Krzywoszyja G., Binder P., Andrzejewski G.: A concept of a system for monitoring bee families, Przegląd Elektrotechniczny, Vol. 9, No. 89, s. 118–123, 2013.
• [9] Bishop H.: Pattern Recognition and Machine Learning, Springer, s. 186–191, 2006.
• [10] Durbin J., Koopman S.: Time Series Analysis by State Space Methods, Oxford University Press, s. 10–37, 2012.
• [11] Sahbi H.: Kernel PCA for similarity invariant shape recognition,Elsevier Neurocomputing, Vol. 70, s. 3034–3045, 2007.
• [12] Maaten L.: Matlab Toolbox for Dimensionality Reduction,http://cseweb.ucsd.edu/~lvdmaaten/dr/download.php, Delft University of Technology, 2013.
• [13] Momot A.: Weighted Averaging of ECG Signal Using Criterion Function Minimization, Springer, Advances in Soft Computing, Vol. 47, s. 267–274, 2008.
• [14] Drongelen W.: Signal Processing for Neuroscientists, Elsevier, s. 55–56, 2007.