# 專題記錄
## 2/12
1.先確認可以使用什麼sensor收集資料
2.訓練資料來判斷蜂群的狀況(有蜂后、健康或生病...)

## 2/26
參考其它論文:
1.具體的方法可以應用在我們的專題
2.如何分析收集到的能量

參考網站:https://iaac.net/project/open-source-beehives-project/

## 3/11
1.感測器:
(1)聲音
(2)Doppler motion sensor
(3)紅外線攝影機

2.Open Data:
網址:https://www.osbeehives.com/pages/hive-snapshots

3.整理Deep learning在語音辨識方面的應用

## 3/25
1.麥克風:
數值高低代表聲音大小
疏密程度代表聲音頻率
2.Doppler motion sensor:
數值高低代表頻率高低
以625Hz為標準
物體接近感測器的時候收集到的頻率會高於625Hz
物體遠離感測器的時候收集到的頻率會低於625Hz
3.整理Deep learning在語音辨識方面的應用

## 4/8
1.購買都卜勒微波雷達
2.實作Arduino連接麥克風和都卜勒微波雷達
3.準備期初專題報告

## 4/22
1.實作Arduino連接手機WiFi
2.將感測器收集到的資料透過WiFi傳回遠端電腦

## 5/6
1.收集到的資料放在https://thingspeak.com/
2.到蜂場收集資料:

## 5/13
第一篇:比較久以前的CNN模型
https://arxiv.org/pdf/1608.04363v2.pdf
source code:https://github.com/jaron/deep-listening/blob/master/5-ffbird-cnn.ipynb

第二篇:參加dcase2019 task5是在分析成是噪音分類我們應該可以使用
https://arxiv.org/pdf/1909.12699v1.pdf
source code: https://github.com/sainathadapa/urban-sound-tagging

第三篇:是比較早期的
https://arxiv.org/pdf/1609.09430v2.pdf
source code:https://github.com/Kikyo-16/Sound_event_detection

第四篇:弱監督學習半監督學習
https://arxiv.org/pdf/1909.06178v1.pdf
source code:https://github.com/IBM/MAX-Audio-Classifier

DCASE:http://dcase.community/challenge2019/index

## 5/20-6/17
1.改良Arduino的寫法和功能
2.收集資料
3.期末專題報告

## 6/24-7/15
1.收集資料
2.組裝電腦
3.安裝環境

## 7/22
1.txt轉wav:
參考資料1:https://gist.github.com/akey7/725b2b7b68482525fff6620cb8cf05d4
參考資料2:https://stackoverflow.com/questions/10357992/how-to-generate-audio-from-a-numpy-array

2.標記資料

## 8/5
1. 群勢強:150筆(混合多天,按順序排)
群勢弱:150筆(混合多天,按順序排)

2. 測試集60筆
訓練集180筆
驗證集60筆

3. 訓練結果:73.33%

## 8/12
1. 群勢強:150筆(混合多天,打亂順序)
群勢弱:150筆(混合多天,打亂順序)

2. 測試集60筆
訓練集180筆
驗證集60筆

3. 訓練結果:80%

## 9/9
1. 群勢強:500筆(混合多天,打亂順序)
群勢弱:500筆(混合多天,打亂順序)

2. 測試集200筆
訓練集600筆
驗證集200筆

3. 訓練結果:83-85%

和森林系同學約時間收集資料(無蜂王)

## 9/17
原定9/16(三)要跟植醫系的同學去收集資料,但當天下午他說他們要開班會,並且他要等這個禮拜選課結果確認後才能確定時間,所以改約下禮拜去收集

微波雷達:
我們用微波雷達收集資料的採樣頻率是200HZ,這樣的採樣頻率太低,無法訓練

## 9/23
收集無蜂王資料,以後固定星期三早上10點去收集

增加資料為6倍
0, 0, 0, 0, 0, 0, 0

0, 0.17, 0.33, 0.5, 0.67, 0.83, 1

1, 0.83, 0.67, 0.5, 0.33, 0.17, 0

1, 1, 1, 1, 1, 1, 1

## 10/14
BuzzBox可以收集到的資料種類:


Buzz Box連WiFi

用太陽能充電,充電指示燈會亮起來
用USB也可以充電,但需從手機APP查看(上圖 Battery Charge)

## 10/28
1. 無蜂王:150筆
有蜂王:150筆

2. 測試集60筆
訓練集180筆
驗證集60筆

3. 訓練結果:83%

*無蜂王資料:目前天數不足
*精油資料:還沒開始收集
*用WIFI收集資料:每個禮拜陪同學去收集

## 11/3
多收集不同天,不同箱的無蜂王資料
之後再把這幾個禮拜收集的資料混合再做訓練