دانشگاه تهران مهندسی بیوسیستم ایران 2008-4803 47 1 2016 04 20 Manufacturing and testing of a system to detect bee colony density inside the hive using machine vision ساخت و ارزیابی سامانه تشخیص تراکم توده زنبور درون کندو با استفاده از بینایی ماشین 21 29 58474 10.22059/ijbse.2016.58474 FA سامان آبدانان مهدی زاده دانشگاه رامین خوزستان 0000-0002-4798-8031 مریم سلطانی کاظمی دانشگاه رامین خوزستان Journal Article 2015 08 06 The aim of this research was to construct an equipped hive with the acquisition, communication and analysis systems to send images on-line, wirelessly. This system could be used to evaluate density of bee colonies and also work as bait box to eliminate bee pest, if necessary. In this study, two methods, optical flow and neighborhood gray-tone difference matrix, were used to determine hive condition and bee activities. According to the results of optical flow analysis, mean was able to detect bulk of existing bee inside the hive at the confidence level of 5%. According to analysis of the texture, the parameters of busyness and complexity have a significant relationship with the bee’s density inside the hive (p<0.05). Moreover, in order to organizing the data in groups the classification algorithms based on Bayesian theorem was developed and executed. Concord to classification results, combination of mean with complexity and mean with busyness could classify the data with the total accuracy 98.67 and 92.95, respectively هدف از این پژوهش ساخت یک کندو مجهز به سامانه اخذ و تحلیل تصاویر به صورت بی­سیم و بی­درنگ به منظور بررسی تراکم توده زنبور درون کندو و در صورت نیاز نابودسازی آفت­های احتمالی با تله­گذاری می‏باشد. در این مطالعه از دو روش جریان نوری و ماتریس تفاوت- تن خاکستری همسایگی به منظور بررسی وضعیت کندو و تعیین فعالیت زنبورها استفاده گردید. نتایج حاصل از بررسی‏ها نشان داد که مطابق تحلیل جریان نوری، میانگین در سطح احتمال 5 درصد توانایی تشخیص تراکم توده را دارد. مطابق با تحلیل بافت، ویژگی‏های شلوغی و پیچیدگی با وضعیت تراکم توده زنبورها درون کندو دارای ارتباط معنی­داری می­باشند (05/0p<). همچنین به منظور تشخیص فعالیت زنبورها، از طبقه­بند­کننده غیرخطی بیز استفاده گردید که ترکیب میانگین و پیچیدگی و میانگین و شلوغی به ترتیب با دقت کلی 67/98 و 95/92 درصد داده­ها را دسته­بندی نمودند.  https://ijbse.ut.ac.ir/article_58474_824a1dc7b4d566aeb78f866d278dbc7c.pdf