О BeeMachine
BeeMachine был создан Brian Spiesman и разработан в сотрудничестве с Claudio Gratton и другими членами команды BeeMachine. Разработка веб- и мобильного приложения — Brian Spiesman и Germinate.

Поддержка
BeeMachine финансируется USDA NIFA, National Science Foundation и Kansas State University. Модели компьютерного зрения были разработаны с использованием открытых данных Global Biodiversity Infrastructure Facility (GBIF), наших собственных усилий по сбору изображений и данных, предоставленных проектами гражданской науки, включая Wisconsin Bumble Bee Brigade, Hanamaru Maruhana Project и проект Vi Un Abejorro. Мы благодарны организаторам и добровольным участникам этих программ, которые делятся своими изображениями и таксономическими знаниями. Изображения также были предоставлены David Cappaert и Isaacs Lab at MSU, Jerry Cole, и получены в рамках текущего сотрудничества с KU Biodiversity Institute and Natural History Museum и USDA ARS Pollinating Insect-Biology, Management, and Systematics Research Unit.

Наша модель компьютерного зрения
BeeMachine способен идентифицировать виды пчёл со всего мира. Но если он не уверен в виде, то даёт прогноз на уровне рода. Поскольку цветы часто посещают другие виды насекомых, которых иногда можно спутать с пчёлами, мы теперь включаем возможность отличать пчёл от ос, мух, жуков и бабочек/мотыльков. Общая точность тестирования на текущем алгоритме составляет 94,1% (99,5% топ-3), но она варьируется в зависимости от вида в зависимости от количества обучающих изображений и уровня морфологической изменчивости (см. рисунки ниже). BeeMachine использует свёрточную нейронную сеть, модифицированную из EfficientNetV2, и был обучен на более чем 2,2 миллиона изображений.
Изученные признаки
Нейронные сети изучают собственный набор признаков в изображениях для различения видов. Каждая точка в этой визуализации представляет тестовое изображение. Изображения с похожими изученными признаками расположены близко друг к другу, образуя кластеры, хорошо соответствующие видам. Таким образом, изученные признаки параллельны реальным качествам, которые мы используем для различения видов.


Точность модели
Количество обучающих изображений на вид важно! Больше изображений на вид означает, что мы можем охватить больший диапазон вариативности в освещении, позе, контексте фона и вариативности внешнего вида, что увеличивает вероятность правильного прогноза. На этом рисунке каждая точка представляет другой вид. Мы можем использовать эту информацию для нацеливания на конкретные виды для получения большего количества изображений для улучшения модели классификации.
BeeMachine может распознать 1 184 вида насекомых, посещающих цветы. Сюда входят 999 видов пчёл, 154 рода пчёл и другие виды насекомых, такие как осы, мухи, журчалки, жуки и бабочки/мотыльки.