arXiv 2610.20879 2026 年 10 月 14 日·10月14日 · 周三论文智慧农业 / 农业物联网阅读 0
DefoliationCAM:面向葡萄藤食叶严重度实时评估的边缘AI系统 [预印本]
论文解读
75精选
速览
提出太阳能边缘AI系统DefoliationCAM，实时评估葡萄藤食叶严重度并远程传输。
方法
YOLOX-Nano定位主干，MobileNet通道注意力分类，TensorRT
发现
轻量分类器macro-F1达0.838，优于ResNet-50，田间部署验证可行。
机会点
可探索多作物迁移、损伤等级细化及边缘模型自适应更新以提升泛化性。
影响力16
信息增量22
专业深度18
信源权威11
时效性8
预印本提出太阳能边缘AI系统，实现葡萄藤食叶严重度实时评估与LoRa远程监测，方法新颖、数据规模大、田间验证充分，具智慧农业应用价值。
原文摘要
Fuchen Li等提出DefoliationCAM(D-CAM),一种太阳能供电的边缘AI系统,用于估算葡萄藤树冠食叶程度并通过LoRa将结果传输至Web仪表盘。流水线使用YOLOX-Nano在4K图像中定位葡萄藤主干,并使用基于MobileNet的轻量级通道注意力分类器对320×320像素的斑块进行分类。29,674个田间采集斑块被标注为背景或四种损伤等级之一;合并中度和重度类别将类别不平衡比从约40:1降至8.8:1。合成增强使macro-F1从0.768提升至0.838。分类器以更少的参数量(1.08M vs 23.52M)在macro-F1上优于ResNet-50。利用TensorRT FP16在NVIDIA Jetson Orin Nano上每张4K图像处理时间约1.5秒,完整运行周期57-60秒。两台设备为期五周的田间部署验证了自主太阳能运行、LoRa通信和远程食叶监测的可行性。