有那么一群大学生，他们对养蜂行业进行了全方位、深度的调查，归纳总结了养蜂过程中的四大痛点并且一一攻破，利用专业知识开发了一款基于云计算视觉技术的助农产品——云智能蜂箱。这群大学生来自广东海洋大学数学与计算机学院，在过去的几年时间里，他们逐步完善了让养蜂更便利的产品，并且带着自己的创新商业化思路，于各大创新创业类赛事取得了亮眼的成绩。下面我们来看看这群大学生们，是如何利用专业知识实现想法的！

保蜂先保王——蜂群的视觉监测

在成员的调查之下，他们发现蜂王在蜂群繁殖工作中发挥着重要的作用，而在养蜂过程中时常会出现蜂群失王的情况，蜂王信息素的浓度在蜂群中逐渐消失，工蜂会产生失王情绪，表现出骚动不安、采集力下降等，失王过久如巢内无能改造成王台的小幼虫，少数工蜂就会卵巢发育，在巢房内产下未受精卵，全部发育为雄蜂，最终使蜂群灭亡。

因此团队通过图像识别技术的蜂王轨迹追踪方法，在SSD目标检测算法的基础上，结合多视框物体检测模型以改进算法，检测出蜂王所在位置，利用检测结果提取蜂王特征，实现蜂王轨迹追踪并实时反馈蜂王状态异常，避免了由于蜂王丧失带来的严重后果，同时保护蜂群健康。

基于SSD算法的蜂王监测原理图

此外，团队还设计了蜜蜂进出量监测装置，主要通过YOLOv8结合激光检测加动态权重降低误差，据了解，该高精度检测蜜蜂进出量检测精度高达95%。

蜜蜂进出检测图

通过基于SSD算法的视觉监测技术，团队率先实现蜂王位置的定位，打破了蜂王定位领域的技术壁垒。

给蜂群一个舒适的“家”

【音频监测分类技术】

传统的蜂群健康监测与保护依赖养蜂人频繁的人工检查以及人工的调控，极耗时间和精力，且对于蜂群而言，频繁开箱检查还容易引起蜜蜂应激反应，出现为行为紊乱、采蜜力下降，甚至蜂群逃逸等不良状况发生。

因此团队采用了基于MFCC特征和SVDD-SVM模型的高精度蜂群音频状态监测装置。该装置的优点在于：

一、多模态特征与分类策略结合：通过将MFCC等频域特征与SVDD的单分类检测能力相结合，形成异常状态的早期预警能力。SVDD精准捕捉蜂群健康状态中“正常行为”的数据边界，从而快速识别偏离正常状态的异常行为。

二、分类模型的协同优化：通过SVM的高维特征映射能力，进一步对不同类型的异常状态（如蜂王丢失、感染病害）进行细粒度分类，提升健康与异常分类的精度。

三、异常状态分类的高敏感性：结合健康蜂群的频率特性（如400Hz的健康频率与1100Hz的无蜂王频率），模型对边界状态的变化反应更加灵敏，分类准确率超过95%。

实时响应的智能监测装置，通过参数优化和动态模型调整，系统能够实时检测并分类异常状态，使其在蜂群健康监测等复杂场景下具有极高的实用价值，实时监测使得蜂群维稳，进而养蜂从业者也能因此减少损失、从中受益，实现科技助力。

【无药除螨技术】

药物除螨是当前控制瓦螨的重要手段，但对蜜蜂健康、蜂产品安全、环境及生态系统均产生显著负面影响。团队开发的无药除螨技术通过物理、生物和环境调控手段减少药物使用风险，维护蜜蜂健康，提升蜂产品质量，且避免生态污染。该技术利用电子除螨设备产生的磁场、超声波和负离子，有效抑制蜂螨，减少空气中的螨虫数量，改善了空气质量。这一创新技术不仅提升了除螨效果，还优化了设备的实用性和操作效率，符合绿色农业的发展趋势。

【温湿度调控】

团队创新性地结合DHT22传感器网络、实时数据校验和动态异常检测算法，实现温湿度的精准监测和异常预警，同时通过集成镍铬电热丝、智能加湿器和通风模块，结合动态优先级调控策略，实现从监测到调控的一体化管理。

云蜂筑梦团队智能蜂箱设计图

便农利器——智能采蜜技术

传统采蜜过程中，养蜂人需要多次对蜂箱状态、蜜蜂活动情况及天气条件的细致检查与评估，劳动强度大、效率低下。团队研发的智能采蜜技术，通过监测、调控、采集一体化的智能蜂箱，推动养蜂业向更加高效、环保和可持续的方向发展。该技术采用人工蜂蜡制作的蜂巢放入蜂箱内，用钥匙启动蜂巢上面的机关，蜂巢相互错开，蜂巢内的蜂蜜在重力的作用下缓慢流入管道里，实现自动流蜜装置。这一创新技术不仅提高了取蜜效率，还保证了蜂蜜的卫生和质量，减少了环境污染风险，同时降低了成本和不稳定的产量，提升了经济效益。

蜂箱的内置重力传感器示意图

云蜂筑梦团队设计的智能蜂箱不仅提升了养蜂业的科技水平，还有助于保护生态环境，提高蜂产品质量，增加蜂农收入。项目通过智能化管理，降低了养蜂门槛，吸引了更多年轻人投身养蜂行业，为传统农业注入了新的活力。同时，项目响应国家乡村振兴战略，通过科技助农，推动了农业现代化进程。