Classificação Automatizada De Castas De Abelhas (Apis Mellifera) Via Visão Computacional E Aprendizado De Máquina

Todos os Trabalhos

Trabalho

Título do Trabalho

CLASSIFICAÇÃO AUTOMATIZADA DE CASTAS DE ABELHAS (APIS MELLIFERA) VIA VISÃO COMPUTACIONAL E APRENDIZADO DE MÁQUINA

Autores

André Silva
Nilsa Duarte da Silva Lima

Modalidade

Resumo I Fórum Brasileiro de Pecuária de Precisão, IA e Sustentabilidade

Área temática

1.1) Pecuária de Precisão e IA

Data de Publicação

28/08/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/anais-ecpantanaltech/1641398-classificacao-automatizada-de-castas-de-abelhas-(apis-mellifera)-via-visao-computacional-e-aprendizado-de-maquin

ISSN

Palavras-Chave

Visão Computacional; Apicultura; Aprendizado de Máquina;

Resumo

A diferenciação precisa entre abelhas operárias e zangões é fundamental para monitorar a saúde e a dinâmica populacional das colmeias, o equilíbrio entre essas duas castas indica o estado de desenvolvimento e a saúde do enxame. Identificar essas castas automaticamente ajuda a monitorar a produtividade e a detectar anomalias na colônia sem a necessidade de intervenções manuais lentas. Este estudo utilizou o Orange Data Mining, uma ferramenta de programação visual que permite construir fluxos complexos de análise de dados de forma intuitiva e sem a necessidade de codificação. O objetivo central foi avaliar a eficácia de algoritmos de aprendizado de máquina na identificação automatizada dessas castas a partir de imagens digitais. A metodologia seguiu o ciclo de vida de projetos de IA, iniciando com a importação das imagens e a extração de características complexas. Foram comparados quatro modelos de classificação: Neural Network, SVM, kNN e Logistic Regression. O experimento foi estruturado em três fases distintas. Inicialmente, utilizou-se um conjunto de 452 instâncias (244 operárias e 208 zangões) para treinamento. Na segunda fase, os modelos foram desafiados com um teste cego contendo 418 imagens inéditas (204 operárias e 214 zangões) para avaliar a capacidade de generalização em condições reais. Por fim, realizou-se uma validação final com um lote de 20 novas imagens, sendo 10 de cada casta, para confirmar a robustez do sistema. No treinamento inicial, todos os modelos atingiram métricas perfeitas de 1.000 em AUC e acurácia (CA). Entretanto, o teste cego com as 418 instâncias trouxe resultados mais realistas, onde a Logistic Regression destacou-se com a maior precisão, alcançando uma acurácia de 0.990. Os outros modelos, como SVM (0.986) e Neural Network (0.974), também apresentaram bom desempenho, enquanto o kNN obteve o resultado inferior com 0.967. Na fase de validação final, o modelo de Logistic Regression processou as 20 instâncias inéditas, cada uma representada por 1000 variáveis numéricas, e obteve 100% de acerto. As análises visuais por meio de gráficos de dispersão demonstraram uma separação linear absoluta entre os grupos de operárias e zangões, provando que o modelo capturou de forma eficaz as distinções visuais entre as castas. Conclui-se que o Orange é uma ferramenta robusta para a fenotipagem digital na apicultura. A Logistic Regression revelou-se a arquitetura mais consistente e eficiente entre os testes, sendo uma solução para implementação em sistemas de monitoramento automatizado devido à sua alta capacidade de generalização e precisão em dados novos.

Título do Evento: II Encontro Técnico-Científico do Pantanal Tech MS 2026
Cidade do Evento: Aquidauana
Título dos Anais do Evento: Anais do Encontro Técnico-Científico do Pantanal Tech MS
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

SILVA, André; LIMA, Nilsa Duarte da Silva. CLASSIFICAÇÃO AUTOMATIZADA DE CASTAS DE ABELHAS (APIS MELLIFERA) VIA VISÃO COMPUTACIONAL E APRENDIZADO DE MÁQUINA.. In: . Disponível em: https//www.even3.com.br/anais/anais-ecpantanaltech/1641398-CLASSIFICACAO-AUTOMATIZADA-DE-CASTAS-DE-ABELHAS-(APIS-MELLIFERA)-VIA-VISAO-COMPUTACIONAL-E-APRENDIZADO-DE-MAQUIN. Acesso em: 29/08/2026