Simulation et Modélisation Intelligente de la Santé des Abeilles pour la Prévention des Maladies

Abstract

Les techniques d'apprentissage profond, notamment les réseaux de neurones convolutifs (CNN) et YOLOV8, ont obtenu un grand succès dans le domaine de la vision par ordinateur, montrant une supériorité marquée sur les algorithmes traditionnels de détection d'objets. Ces techniques sont exceptionnellement rapides et précises en matière de reconnaissance d'objets et sont particulièrement adaptées aux applications de surveillance en temps réel. Cette recherche vise à étudier et appliquer un algorithme de détection d'objets basé sur l'apprentissage profond pour diagnostiquer les maladies des abeilles. L'étude s'est concentrée sur l'utilisation de l'algorithme YOLOV8 comme méthode pratique, et les résultats ont montré des résultats très satisfaisants, ce qui confirme la supériorité exceptionnelle de l'algorithme YOLOV8 sur les méthodes traditionnelles telles que la méthode Haar dans ce contexte.