Im  Rahmen des Beesbook Projekts am Biorobotics Lab der FU Berlin wird eine Computer Visionn Pipeline genutzt, um Bienentänze auf der Wabe zu detektieren, zu dekodieren und zu kartieren.

Zur Detektion der Tänze wird die Periodizität des Helligkeitsverlaufs an bestimmten Pixeln genutzt. Dabei wird der Helligkeitsverlauf der Pixel auf bestimmte Frequenzen hin untersucht, mit denen Bienen typischerweise schwänzeln. Mehrere Detektionen einer Frequenz werden wiederum räumlich wie zeitlich geclustert und einzelnen Tänzen zugeordnet.

Da sich unter diesen Detektionen auch viele falsch positive Tänze befinden, werden diese anschließend zu einem großen Teil von einem konvolutionalen neuronalen Netzwerk herausgefiltert. D.h. es existiert ein dediziertes Netz in der Pipeline, welches Ergebnisse des Waggle Dance Dectectors binär, Tanz oder Nicht-Tanz, klassifiziert und somit unerwünschte Ergebnisse vor der Weiterberarbeitung herausfiltert.

Auf Basis der Bilddaten eines Tanzes wird im Anschluss der Winkel der Tanzrichtung mithilfe von Bilddifferenzen ermittelt.

Anhand der Länge des Tanzes und des Winkels der Tanzrichtung kann nun die von der Biene beworbene  Position berechnet und auf einer Karte dargestellt werden.

Um die Qualität und Effizienz der Winkeldekodierung zu verbessern und außerdem die Anzahl der Module in der Pipeline zu verringern, war das Ziel dieser Arbeit, ein künstliches neuronales Netz zu entwickeln, welches die Funktion des aktuellen konvolutionalen Netzwerks zur Filterung und zusätzlich die Funktion der Tanzwinkeldekodierung in sich vereint.