Resumen

Las abejas desempean un papel crucial en la industria agrcola porque polinizan aproximadamente el 75% de todos los cultivos en flor. Sin embargo, cada ao disminuye el nmero de abejas melferas. Por ello, numerosos investigadores de diversos campos han intentado persistentemente resolver este problema. La clasificacin acstica de escenas, utilizando sonidos grabados de las colmenas, es un enfoque que puede aplicarse para detectar cambios en el interior de las colmenas. Este mtodo puede utilizarse para determinar los intervalos que amenazan a una colmena. Actualmente, se siguen realizando estudios sobre anlisis de sonido, utilizando algoritmos de aprendizaje profundo integrados con diversos mtodos de preprocesamiento de datos que extraen caractersticas de las seales de sonido. Sin embargo, hay poca informacin sobre cmo los algoritmos de aprendizaje profundo reconocen las escenas de audio, como lo demuestran los estudios sobre reconocimiento de imgenes. Por lo tanto, en este estudio utilizamos un espectrograma mel, coeficientes cepstrales de frecuencia mel (MFCC) y una transformada Q constante para comparar el rendimiento de los modelos de aprendizaje automtico convencionales con el de los modelos de redes neuronales convolucionales (CNN). Se utilizaron los modelos de mquina de vectores soporte, bosque aleatorio, refuerzo de gradiente extremo, CNN superficial y VGG-13. Mediante el mapeo de activacin de clases ponderado por gradiente (Grad-CAM), realizamos un anlisis para determinar cmo reconoca las escenas de audio el modelo CNN con mejor rendimiento. Los resultados mostraron que el modelo VGG-13, utilizando MFCC como datos de entrada, demostr la mejor precisin (91,93%). Adems, basndonos en la precisin, la recuperacin y la puntuacin F1 para cada clase, establecimos que los sonidos distintos a los de las abejas se reconocan con eficacia. Adems, realizamos un anlisis para determinar las MFCC que son importantes para la clasificacin a travs de las visualizaciones obtenidas aplicando Grad-CAM al modelo VGG-13. Creemos que nuestros hallazgos pueden utilizarse para desarrollar un sistema de monitorizacin que pueda detectar de forma consistente y temprana condiciones anormales en las colmenas mediante la clasificacin de los sonidos del interior de las colmenas.

• Materias:Algebra Algoritmos (Matemáticas) Ingeniería Lógica matemática Matemáticas
• Subjects:Algebra Agorithms (Math) Engineering Mathematical logic mathematics
• Palabras claves:abejas; industria agrícola; polinización; cultivos en flor; disminución de abejas; clasificación acústica de escenas
• Keywords:honeybees; agriculture industry; pollinate; flowering crops; honeybees decrease; acoustic scene classification