MSPB: a longitudinal multi-sensor dataset with phenotypic trait measurements from honey bees
Notice bibliographique
Résumé
We present a longitudinal Multi-Sensor dataset with Phenotypic trait measurements from honey Bees (MSPB). Data were continuously collected between May-2020 and April-2021 from 53 hives located at two apiaries in Québec, Canada. The sensor data included audio features, temperature, and relative humidity. The phenotypic measurements contained beehive population, number of brood cells (eggs, larva and pupa), Varroa destructor infestation levels, defensive and hygienic behaviors, honey yield, and winter mortality. Our study is amongst the first to provide a wide variety of phenotypic trait measurements annotated by apicultural science experts, which facilitate a broader scope of analysis on honey bees, such as bee acoustics analysis, multi-modal hive monitoring, queen presence detection, Varroa infection detection, hive population estimation, biological analysis of bees, etc. Related Info The data collection process, feature pre-processing, preliminary data analysis, and usage notes can be found in our paper https://arxiv.org/abs/2311.10876 Check the project webpage (https://zhu00121.github.io/MSPB-webpage/) and Github repo (https://github.com/MuSAELab/MSPB) for more information. Citation Kindly cite the following paper: @misc{zhu2023mspb, title={MSPB: a longitudinal multi-sensor dataset with phenotypic trait measurements from honey bees}, author={Yi Zhu and Mahsa Abdollahi and Ségolène Maucourt and Nico Coallier and Heitor R. Guimarães and Pierre Giovenazzo and Tiago H. Falk}, year={2023}, eprint={2311.10876}, archivePrefix={arXiv}, primaryClass={eess.AS} } Contact You can contact us at Yi.Zhu@inrs.ca, if you encounter any questions accessing the data.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».