Automated, non-invasive Varroa mite detection by vibrational measurements of gait combined with machine learning
Notice bibliographique
Résumé
Little is known about mite gait, but it has been suggested that there could be greater variation in locomotory styles for arachnids than insects. The Varroa destructor mite is a devastating ectoparasite of the honeybee. We aim to automatically detect Varroa-specific signals in long-term vibrational recordings of honeybee hives and additionally provide the first quantification and characterisation of Varroa gait through the analysis of its unique vibrational trace. These vibrations are used as part of a novel approach to achieve remote, non-invasive Varroa monitoring in honeybee colonies, requiring discrimination between mite and honeybee signals. We measure the vibrations occurring in samples of freshly collected capped brood-comb, and through combined critical listening and video recordings we build a training database for discrimination and classification purposes. In searching for a suitable vibrational feature, we demonstrate the outstanding value of two-dimensional-Fourier-transforms in invertebrate vibration analysis. Discrimination was less reliable when testing datasets comprising of Varroa within capped brood-cells, where Varroa induced signals are weaker than those produced on the cell surface. We here advance knowledge of Varroa vibration and locomotion, whilst expanding upon the remote detection strategies available for its control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».