하이퍼 스펙트럼 이미징 기반 바르로아 응애 수 세기

바르로아 응애 감염은 전 세계적으로 꿀벌 군체에 심각한 위협을 가합니다. 이 연구는 HS-Cam과 머신러닝 기술을 활용한 바르로아 응애 수 세기의 실행 가능성을 조사합니다. 방법론에는 이미지 취득, 주성분 분석(PCA)을 통한 차원 축소, 그리고 머신러닝 기반의 분할 및 분류 알고리즘이 포함됩니다. 구체적으로, k-최근접 이웃(kNN) 모델이 이미지에서 바르로아 응애를 다른 객체와 구별하고, 서포트 벡터 머신(SVM) 분류기가 형태 감지를 향상합니다. 최종 단계에서는 전용 세기 알고리즘이 SVM 분류기에서 출력된 데이터를 활용하여 하이퍼 스펙트럼 이미지에서 바르로아 응애 개체 수를 정량화합니다. 초기 결과는 99%를 초과하는 분할 정확도와 모든 클래스에서 평균 정밀도 0.9983, 재현율 0.9947을 보여줍니다. 바르로아 응애 수 세기를 위한 우리의 머신러닝 기반 접근 방식에서 얻은 결과는 수동 세기를 통해 얻은 실제 라벨과 비교되었으며, 자동 세기와 수동 실제 간의 높은 일치를 입증합니다. 제한된 데이터 세트로 작업했음에도 불구하고, HS-Cam은 바르로아 수 세기에 대한 잠재력을 보여주며, 전통적인 RGB 이미지에 비해 우수한 성능을 발휘합니다. 향후 연구 방향으로는 보다 광범위하고 다양한 데이터 세트를 통해 제안된 하이퍼 스펙트럼 이미징 방법론의 검증이 포함됩니다. 또한, 바르로아 검출을 위한 근적외선(NIR) 여기 소스 사용의 효과와 스마트폰 통합 가능성 평가도 탐색할 것입니다.