异构多核微控制器上基于图像的害虫检测加速
图像与视频处理
2024-08-30 v2
摘要
苹果园中，成熟果蝉虫对全球农作物生产构成严重威胁，潜在损失可达80%。该论文研究将计算机视觉算法嵌入传感器节点中，利用 novel State-of-the-Art Microcontroller Unit (MCU)——GreenWaves Technologies的GAP9系统级芯片进行实现。GAP9集成了10个RISC-V通用处理器核与卷积硬件加速器。我们比较了轻量级Viola-Jones检测算法与为害虫检测任务训练的卷积神经网络(CNN)，MobileNetV3-SSDLite。在两个差异程度不同（相对于相机传感器与害虫目标之间距离）的数据集上，CNN的泛化能力优于其他方法，检测准确率在83%至72%之间。得益于GAP9的CNN加速器，CNN推理任务仅需147 ms即可处理320×240图像。相较于仅依赖通用处理器核的GAP8 MCU，我们实现了9.5倍的推理速度。当运行于3.7 V、1000 mAh电池时，估计使用寿命约为199天，每30秒处理一张图像。我们的研究表明，该新型异构MCU能够以仅4.85 mJ的能耗完成端到端CNN推理，能耗效率相当于简单Viola-Jones算法，较先前方法低至15倍。代码地址: https://github.com/Bomps4/TAFE_Pest_Detection
引用
@article{arxiv.2408.15911,
title = {Accelerating Image-based Pest Detection on a Heterogeneous Multi-core Microcontroller},
author = {Luca Bompani and Luca Crupi and Daniele Palossi and Olmo Baldoni and Davide Brunelli and Francesco Conti and Manuele Rusci and Luca Benini},
journal= {arXiv preprint arXiv:2408.15911},
year = {2024}
}
备注
11 pages, 7 figures, 4 tables