Die Honigbiene ist nicht nur ein wichtiger Bestäuber. Sie ist auch ein beliebtes Objekt der Wissenschaft. Zu den größten Herausforderungen bei der Untersuchung des Verhaltens von Honigbienen zählen die hohe Dichte ähnlicher Individuen, teils mit Überlagerung, die Vielfalt der Hintergrundszenen, die Dynamik der Bewegungen einzelner Bienen und die Ähnlichkeit der Bienenkörper.

In einer Studienarbeit wurde ein automatisches System zur Verfolgung von Objekten wie Honigbienen entwickelt: Es kann kleine und dichte Objekte vor komplexen Hintergründen unterscheiden, wie Waben, die Brut, Pollen und Nektar enthalten können. Das System ist ebenso in der Lage, mehrere Honigbienen in dichten und unübersichtlichen Situationen zu verfolgen.
Technisch hat das Team der Wissenschaftler für ihr System eine Kombination aus Mask R-CNN (eine Deep-Learning-Methode für Segmentierungsaufgaben mit mehreren Objekten) und dem Kalman-Filter (die Kernmethode für die Verfolgung mehrerer Objekte) gewählt.

Die Versuche zeigen auch Potenzial für den Einsatz des Systems zur Auswertung des Bienentanzes, wenn die Bildrate für die Erkennung des Verhaltens angepasst wird.