面向智慧养蜂的巢内外蜜蜂识别与行为量化

队伍编号：614689。

项目采用标准 src 布局，顶层只保留源码、ONNX 权重、配置和依赖说明：

bee_project/
├─ src/                 训练、推理、评测、打包代码及项目资料
├─ weights/             正式 ONNX 权重
├─ configs/             算法与运行配置
├─ requirements.txt     开发依赖
└─ README.md            使用说明

详细文档见 src/docs/README.md，环境配置见 src/packages/README.md。本机放置于 packages/ 的大型 Torch wheel 不属于源码，继续由 Git 忽略。

配置开发环境

安装 64 位 Python 3.13 后，可创建项目虚拟环境：

cd /d C:\你的路径\bee_project
py -3.13 -m venv .venv
.venv\Scripts\python.exe -m pip install --upgrade pip
.venv\Scripts\python.exe -m pip install -r requirements.txt

也可以直接用系统 Python 3.13 安装依赖，详细命令见环境配置文档。

运行视频分析

# 巢外视频
.venv\Scripts\python.exe src\main.py --mode outside --video "data\outside.mp4" --output "output\outside"

# 巢内视频
.venv\Scripts\python.exe src\main.py --mode inside --video "data\inside.mp4" --output "output\inside"

直接使用系统 Python 时，将 .venv\Scripts\python.exe 换成 py -3.13。默认配置 位于 configs/config.yaml，正式推理模型位于 weights/。如需明确指定配置，可在 命令末尾加 --config "configs\config.yaml"。

运行四个比赛 EXE

四个 EXE 接收的是连续编号的 JPG 图片目录，而不是视频文件：

cd /d C:\你的路径\bee_project\EXE-614689
Inside-detection-614689.exe --input "C:\Test\Inside\detection\images"
Inside-tracking-614689.exe  --input "C:\Test\Inside\tracking\images"
Outside-detection-614689.exe --input "C:\Test\Outside\detection\images"
Outside-tracking-614689.exe  --input "C:\Test\Outside\tracking\images"

检测程序生成逐帧目标框，跟踪程序在检测基础上生成个体 ID 和轨迹。比赛格式 JSON 写入 C:\TestResults\；图表、标注视频、逐帧 CSV 和 HTML 分析预警报告写入 EXE-614689\output\ 的 figures\、videos\、data\、reports\ 子目录。 巢外报告给出携粉候选与营养趋势，巢内报告给出数量和活动趋势。报告中的自动判断是 辅助筛查，并会标注置信度与局限，不能替代养蜂人员现场诊断。

生成队伍 614689 比赛 EXE

正式 EXE 仅使用 ONNX 推理，不收集 Torch、Torchvision 或 Ultralytics：

py -3.10 -m venv .venv-build
.venv-build\Scripts\python.exe -m pip install -r src\deployment\requirements-submission.txt
.venv-build\Scripts\python.exe src\build_submission.py --team_id 614689

打包后生成 EXE-614689/ 和 EXE-614689.zip。生成 selfcheck、校验和最终重新 压缩的方法见 队伍 614689 可执行程序打包说明。

运行测试

.venv\Scripts\python.exe -m pytest -q src\tests src\test_project.py