人工智慧影像辨識應用於蜜蜂幼蟲疾病診斷及其手機應用潛力

文章來源 : 農業科技決策資訊平台 2026-05-13
蜜蜂為農業生產中的重要授粉者,約有50–80%的農作物仰賴其授粉,對糧食供應與生態系穩定具有重要作用。近年蜂群數量下降,損失率偏高,其中幼蟲疾病為主要原因之一,對農業生產與養蜂產業造成影響。在實務上,養蜂人多依賴經驗判斷疾病,但細菌感染與病毒感染外觀相似,辨識不易。誤判可能導致預防性使用抗生素,除可能引發抗藥性外,亦可能干擾蜜蜂腸道微生物,進而增加感染風險。蜜蜂為農業生產中的重要授粉者,約有50–80%的農作物仰賴其授粉,對糧食供應與生態系穩定具有重要作用。近年蜂群數量下降,損失率偏高,其中幼蟲疾病為主要原因之一,對農業生產與養蜂產業造成影響。在實務上,養蜂人多依賴經驗判斷疾病,但細菌感染與病毒感染外觀相似,辨識不易。誤判可能導致預防性使用抗生素,除可能引發抗藥性外,亦可能干擾蜜蜂腸道微生物,進而增加感染風險。
蜜蜂幼蟲疾病辨識困難
為改善此問題,美國農業部農業研究署與亞利桑那大學研究團隊合作,開發結合影像分析與深度學習的人工智慧診斷系統。研究團隊蒐集蜂場幼蟲影像,並透過分子檢測確認病原,建立訓練資料庫。
深度學習模型訓練方式
在此基礎上,研究人員進行模型訓練與設計,採用遷移學習方法,將已於大型影像資料集訓練之模型(如ResNet與InceptionResNet)進行調整,使其可辨識幼蟲的顏色變化、組織狀態及病徵差異。
病毒感染判別表現之限制
結果顯示,模型在訓練與驗證階段的準確率達73–88%,對細菌感染的判別表現較佳;對病毒感染則仍受限於資料量與影像特徵差異,顯示需進一步擴充資料以提升穩定性。
手機應用程式發展潛力
該技術未來具發展為手機應用程式之潛力,讓養蜂人可透過影像進行疾病判斷,以維持蜂群健康,並有助於減少不必要的抗生素使用。若能進一步納入更多病原與不同地區資料並進行驗證,將有助於提升模型穩定性與應用範圍。相關研究已發表於《Scientific Reports》期刊。





