Publicação: Buzz trap: Identificação de abelhas usando características acústicas e inteligência artificial
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS BIOLOGICAS::BIOFISICA::BIOFISICA DE PROCESSOS E SISTEMAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Existem poucos estudos que abordam a identificação automática de abelhas
através dos seus sons. Além disso, nenhum estudo conhecido utilizou o som de abelhas
vibrando flores (buzz) para o reconhecimento automático de espécies. Nesse estudo nós
conduzimos análises ecoacústicas e utilizamos um algoritmo de Floresta Aleatória para
reconhecer automaticamente 5 espécies de abelhas (Bombus pauloensis, Exomalopsis
sp. 1, Oxaea flavescens, Ptiloglossa sp. 1 e Xylocopa suspecta) através dos seus sons de
voo e buzz. E testamos se os sons dos buzzes são melhores do que os do voo para o
reconhecimento automático das abelhas. Não foi possível identificar com uma alta
acurácia as espécies de abelhas através das análises ecoacústicas. A frequência
fundamental se mostrou o parâmetro mais importante para a classificação dessas
espécies e os modelos de aprendizado de máquina obtiveram uma acurácia de 90.94% e
82.22% na classificação através dos sons de voo e buzz respectivamente. Dentre as
espécies de abelhas estudadas, Bombus pauloensis foi a pior classificada pelos modelos
de aprendizado de máquina. Argumentamos que isso pode ter ocorrido por conta dessa
espécie apresentar uma grande variação no tamanho corporal entre os indivíduos. Por
conta disso, eles geram sons com características variadas que se sobrepõem aos sons das
outras espécies, aumentando a confusão nos algoritmos classificadores. Mesmo assim, a
classificação de abelhas pelos sons produzidos durante o voo e o buzz poderão
futuramente ajudar em estudos envolvendo a riqueza e a diversidade de abelhas em
comunidades hiper diversas.
Abstract
There are few studies that have addressed the automatic identification of bees
through their sounds. In addition, no study known by us has used the sound that bees
produce while vibrating flowers for the automatic recognition of bee species. In this
study, we conducted ecoacoustic analyzes and used a Random Forest algorithm to
automatically recognize 5 species of bees (Bombus pauloensis, Exomalopsis sp. 1,
Oxaea flavescens, Ptiloglossa sp. 1 and Xylocopa suspecta) through their flight and
buzz sounds. And we tested if the buzzing sounds are better than the flight sounds to the
automatic recognition of bees. It was not possible to identify bee species with high
acuracy through ecoacoustic analysis. The fundamental frequency is shown to be the
most important parameter for the classification of the species and the machine learning
models obtained an accuracy of 90.94% and 82.22% in the classification through the
flight and buzz sounds, respectively. Among the bee species studied, Bombus
pauloensis was the worst classified by the machine learning models. We argue that this
may have occurred because there is great variation in body size among the individuals
of this species. Therefore, they generate sounds with varied characteristics that overlap
the sounds of other species, increasing the confusion in the classifying algorithms.
Nevertheless, bee classification by flight and buzz sounds will potentially help studies
involving species richness and abundance in high diverse bee communities.
Palavras-chave
Polinização por vibração, Buzz pollination, Ecoacústica, Ecoacoustic, Aprendizado de máquina, Machine learning, Identificação de abelhas, Bee identification
Citação
ARVELOS, César Augusto. Buzz trap: Identificação de abelhas usando características acústicas e inteligência artificial. 2021. 12 f. Trabalho de Conclusão de Curso (Graduação em Ciências Biológicas) – Universidade Federal de Uberlândia, Uberlândia, 2021.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto