فهرست نشریات علمی دسترسی آزاد ایران

گرده افشانی برای تولید مثل جنسی بسیاری از محصولات، میوه ها و اکثر گیاهان وحشی مهم است. در میان گرده افشان های جانوری، گرده افشانی توسط زنبورهای منفرد و اجتماعی، نقش عمده ای را ایفا می‌کنند. علاوه بر نقش آنها در گرده افشانی گیاهان وحشی، زنبورهای عسل مدیریت شده از نظر اقتصادی با ارزش ترین  گروه گرده افشان در گیاهان تک محصولی و میوه در سراسر جهان هستند. در این پژوهش، روشی نوین برای تشخیص بیماری‌ها و مشکلات کندوی زنبور عسل با استفاده از تحلیل صوتی و یادگیری عمیق ارائه شده است. ابتدا، با طراحی یک کندوی هوشمند و قرار دادن میکروفن در مکان بهینه، صداهای تولید شده توسط کلونی زنبور عسل ضبط شد. سپس، با تبدیل سیگنال‌های صوتی به اسپکتروگرام و استفاده از شبکه‌های عصبی کانولوشنی، الگوهای صوتی مرتبط با بیماری‌ها و مشکلات مختلف مانند نبود ملکه، آلودگی به کنه واروآ و بیماری‌های فولبرد و نوزما شناسایی شد. نتایج نشان داد که این روش با دقت بیش از 98 درصد قادر به تشخیص این مشکلات است. به عنوان مثال، این مدل توانست با دقت 62/98 درصد نبود ملکه، 59/98 درصد احتمال حضور کنه واروآ، و 71/98 درصد احتمال بروز بیماری فولبرد را تشخیص دهد. در نهایت، با پیاده‌سازی اینترنت اشیا در سیستم مدیریت کندو، بهبود قابل توجهی در کمیت و کیفیت عسل تولید شده مشاهده شد. این پژوهش نشان می‌دهد که تحلیل صوتی و یادگیری عمیق می‌تواند به عنوان یک ابزار قدرتمند برای پایش سلامت کندوهای زنبور عسل و افزایش بهره‌وری در صنعت زنبورداری مورد استفاده قرار گیرد.