English(EN) Bee Detection and Tracking at Hive Entrance using YOLO11 and ByteTrack

YOLO11 和 ByteTrack 提高蜜蜂监测准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 04:00

研究人员开发了一个系统，使用 YOLO11 进行检测和 ByteTrack 进行跟踪，以监测蜂箱入口处的蜜蜂活动。研究发现，渐进式骨干网络解冻和适度数据增强可获得最佳检测结果，精度达到 97.0%，mAP50 达到 98.7%。优化 ByteTrack 参数可提高轨迹连续性，从而实现一个系统，在测试视频中正确计数了 91.5% 的进入蜜蜂，但由于快速运动和模糊导致的漏检，外出蜜蜂的计数准确性较低。 AI

影响展示了目标检测和跟踪模型在生态监测中的实际应用。

排序理由详细介绍计算机视觉模型特定应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍计算机视觉模型特定应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 3 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Thi Thu Thao Nguyen, Johannes Reschke · 2026-08-25 04:00

使用 YOLO11 和 ByteTrack 进行蜂箱入口处的蜜蜂检测与跟踪

arXiv:2608.23213v1 Announce Type: new Abstract: This work presents an automatic bee entrance monitoring system based on YOLO11 transfer learning and the ByteTrack tracking algorithm. The study investigates the influence of data augmentation, backbone freezing, and tracker paramet…

本文如何被排名

报道来源 [1]

使用 YOLO11 和 ByteTrack 进行蜂箱入口处的蜜蜂检测与跟踪

相关实体

相关话题