Na apicultura, as colmeias demandam inspeções regulares para monitorar suas condições
e, quando necessário, implementar medidas que assegurem o fortalecimento e a saúde das
colônias. Nesse contexto, a abelha rainha desempenha um importante papel para a
sobrevivência da colônia, sendo responsável pela reprodução, assegurando a renovação
contínua da população. Este trabalho apresenta uma abordagem baseada em aprendizado
de máquina para classificar os estados de presença ou ausência da rainha em colmeias de
abelhas Apis mellifera usando dispositivos móveis com sistema Android. Foram usados
áudios do dataset UrBAN, de onde extraídos Coeficientes Cepstrais de Frequência Mel
(MFCCs) totalizando 632886 amostras. Posteriormente, foram usados classificadores
KNN, Random Forest, SVM e Regressão Logística, que foram treinados e convertidos
para o formato ONNX para execução em dispositivos móveis com sistema Android. Entre
os classificadores avaliados, o Random Forest mostrou o melhor resultado levando em
consideração o equilíbrio entre desempenho de classificação e tempo de execução,
obtendo 93,36 % de acurácia e F1-Score de 94,00 %, demorando 10,3 segundos para
classificar 189866 amostras separadas para teste. A solução proposta demonstra a
viabilidade de integrar modelos de aprendizado de máquina diretamente em dispositivos
móveis de baixo custo, eliminando a necessidade de conectividade com a internet, o que
é especialmente vantajoso para apicultores com apiários em áreas remotas sem acesso à
internet.