面向植物病害识别的无线协同推理加速框架
机器学习
2025-05-07 v1 人工智能
计算机视觉与模式识别
摘要
植物病害是影响农业生产的关键因素。传统的人工识别方法存在准确率低、成本高、效率低下等显著缺陷。深度学习技术在识别植物病害方面已展现出显著优势，但仍面临推理延迟和高能耗等挑战。深度学习算法难以在资源受限的嵌入式设备上运行。将这些模型卸载到云服务器又受到通信带宽的限制，所有这些因素都会影响推理效率。我们提出了一种边缘设备与云服务器之间的协同推理框架，用于识别植物病害，以提升推理速度。通过深度强化学习对用于植物病害识别的深度神经网络模型进行剪枝，以提高推理速度并降低能耗。然后，通过贪心策略确定最优分割点，以实现最佳的协同推理加速。最后，利用 Gradio 实现了植物病害识别协同推理加速系统，以便于友好的人机交互。实验表明，所提出的协同推理框架在保持可接受识别精度的同时，显著提高了推理速度，为快速诊断和预防植物病害提供了一种新颖的解决方案。
引用
@article{arxiv.2505.02877,
title = {A Wireless Collaborated Inference Acceleration Framework for Plant Disease Recognition},
author = {Hele Zhu and Xinyi Huang and Haojia Gao and Mengfei Jiang and Haohua Que and Lei Mu},
journal= {arXiv preprint arXiv:2505.02877},
year = {2025}
}