UrBAN: Urban Beehive Acoustics and PheNotyping Dataset

本文介绍了一个多模态数据集，该数据集来自加拿大魁北克省蒙特利尔的一个蜜蜂群，时间跨度为2021年至2022年。该养蜂场包含10个蜂箱，麦克风记录了超过2000小时的高质量原始音频，还有传感器记录温度和湿度。周期性的蜂箱检查包括监测蜜蜂种群的变化、评估与蜂王相关的情况以及记录整个蜂箱的健康状况。此外，还记录了健康指标，如瓦罗螨感染率和冬季死亡率评估，为了提供有关影响蜂箱健康状况和韧性的因素的有价值见解。在本研究中，我们首先概述了数据收集过程、传感器数据描述和数据集结构。此外，我们通过从原始音频中提取各种特征来演示此数据集的实际应用，以预测种群数量，以蜜蜂帧数作为代理。

本论文旨在提供一个多模态的数据集，以帮助研究蜜蜂群体的健康状况和生态变化。通过记录蜂箱内的声音、温度、湿度等数据，以及定期检查蜜蜂数量、女王的状态、病虫害等健康指标，为研究蜜蜂群体的健康和适应性提供有价值的数据。

论文的关键思路是通过多模态数据集和特征提取算法来预测蜜蜂群体的数量变化。相比之前的研究，该论文提供了更全面的数据来源和更有效的特征提取方法。

论文提供了一个多模态数据集，包括高质量的声音、温度和湿度数据，以及定期检查的健康指标。通过特征提取算法，论文成功地预测了蜜蜂群体的数量变化。该数据集的开源将有助于更多的研究者深入研究蜜蜂生态。

近年来，研究者们已经开始关注蜜蜂群体的健康问题，并提出了一些相关的研究。例如，"Honey Bee Colony Health Monitoring Using In-Hive Acoustics and Machine Learning"和"Automated Hive Pest Detection: A Deep Learning Approach"等。