Zenodo (CERN European Organization for Nuclear Research)·9月30日 · 周三论文农业人工智能与决策模型阅读 3
Lightweight Edge-AI Model for Real-Time Sorghum Disease Detection on Resource-Constrained Mobile Devices
Anantjit Publication
论文解读
75精选
速览
开发轻量级边缘AI模型，在资源受限移动设备上实时检测高粱病害。
方法
计算机视觉与深度学习分析高粱叶片图像，并做模型轻量化优化。
发现
轻量模型可在移动端实时准确识别病害，减少对云连接依赖。
机会点
可探索多作物、多病害通用轻量模型及田间复杂光照下的鲁棒性。
影响力16
信息增量20
专业深度17
信源权威13
时效性9
面向资源受限移动端的轻量边缘AI高粱病害实时检测研究，方法实用、契合智慧农业场景，但属细分作物技术进展，影响力有限。
原文摘要
面向资源受限移动设备的实时高粱病害检测轻量级边缘人工智能模型提出了一种高效的人工智能方法，用于直接在移动和边缘计算平台上识别高粱病害。该研究聚焦于开发一种轻量级机器学习模型，能够在有限的计算资源、内存和功耗约束下进行快速、准确的病害检测。研究采用计算机视觉和深度学习技术分析高粱叶片图像，区分健康植株与患病状态。研究考虑了模型优化策略，以降低计算复杂度并提高推理速度，同时不过度损害检测性能。所提出的方法支持实时、设备端病害诊断，减少了对云连接的依赖，并能够在农业环境中实现及时干预。该工作凸显了边缘人工智能和移动计算在使智能作物监测更加可及、实用和可扩展方面的潜力，特别是对于在资源受限环境中作业的农民和农业用户而言。