كشف الكائنات الصغيرة المتحركة يُعد مجالًا بحثيًا مهمًا يُطبَّق في مراقبة الحشرات الطائرة، ودراسة سلوكها في البحث عن الغذاء، واستخدام النحل كمُراقب للزهور وعملية التلقيح في المحاصيل، بالإضافة إلى رصد مستعمرات النحل وتعقب حركة النحل. ومع ذلك، نظرًا لغياب التفاصيل الشكلية والنمطية المميزة في الكائنات الصغيرة، فإن التطبيق المباشر لأساليب كشف الكائنات الحديثة القائمة على الشبكات العصبية التلافيفية (CNN) يُظهر أداءً أقل بشكل ملحوظ. في هذه الورقة، نقترح طريقة لكشف الكائنات الصغيرة المتحركة في مقاطع فيديو تم تسجيلها باستخدام طائرات مُسيرة مجهزة بكاميرات فيديو قياسية. تتضمن الخطوات الرئيسية للطريقة المقترحة: تثبيت الفيديو، وتقدير الخلفية وطرحها، وتقسيم الإطارات باستخدام شبكة عصبية تلافيفية، ثم تطبيق عتبة على الإطار المُقسَّم. ومع ذلك، يتطلب تدريب شبكة عصبية تلافيفية توفر مجموعة بيانات مُعلَّمة كبيرة. ويعتبر ترميز الكائنات الصغيرة المتحركة يدويًا في مقاطع الفيديو أمرًا صعبًا للغاية ويستهلك وقتًا طويلاً، ولا توجد حاليًا مجموعات بيانات مُعلَّمة من هذا النوع. لتجاوز هذه المشكلة، نقترح تدريب شبكة عصبية تلافيفية باستخدام مقاطع فيديو اصطناعية تم إنشاؤها بإضافة كائنات صغيرة على شكل بقع (Blob-like) إلى تسلسلات فيديو ذات خلفيات واقعية. أظهرت النتائج التجريبية لكشف النحل الطائر أن الجمع بين تقنيات الرؤية الحاسوبية الكلاسيكية والشبكات العصبية التلافيفية، إضافة إلى استخدام مجموعات تدريب اصطناعية، يُعدّ حلًا فعّالًا لتجاوز المشكلات المرتبطة بالتطبيق المباشر للشبكات العصبية التلافيفية على هذه المشكلة، ويحقق متوسطًا لمعيار F1 قدره 0.86 في الاختبارات على مقاطع فيديو واقعية.