Bal arıları çiçeklerden topladıkları polenlerin bir kısmını kovanlarına taşıyarak kovanın enerji ihtiyacını karşılamaya çalışırlar. Bu nedenle, kovana giren bal arılarından polen taşıyanların tespit edilmesi, kovanın sağlığı hakkında iyi bir indikatör olarak görev yapmaktadır. Bu çalışmada, polen taşıyan bal arılarının doğru bir şekilde sınıflandırılmasına yönelik bir çözüm geliştirmek amacıyla, bal arıları görüntüleri kullanılarak bir MobileNetV2 derin öğrenme mimarisi eğitilmiştir. Veriye göre seçilen doğru eğitim stratejisinin sonuçlara yaptığı katkı sorgulanmış, ince ayar yöntemi ile eğitilen modelin test verisi üzerindeki başarı oranı %99,00 olarak ölçülmüştür. Çalışma sonunda, arı çiftçilerinin mobil cihazlar ile arı kovanının genel durumu hakkında başarılı bir şekilde yorum yapabileceği gösterilmiştir.
Honey bees try to meet the energy needs of the hive by carrying some of the pollen they collect from flowers to their hive. Therefore, identifying those pollen-bearing honey bees entering the hive serves as a good indicator of the health of the hive. In this study, a MobileNetV2 deep learning architecture was trained using images of honey bees to develop a solution to quickly and accurately classify pollen-bearing honey bees. The contribution of the correct training strategy selected according to the data to the results was questioned, and the success rate of the model trained with the fine-tuning method on the test data was measured as 99.00%. At the end of the study, it was shown that bee farmers can quickly and successfully comment on the general condition of the bee hive using mobile devices.
