基于边缘计算的实时热成像叶片病害分类方案
计算机视觉与模式识别
2024-11-07 v1
摘要
深度学习技术可以通过改善作物健康监测和管理来变革农业，从而提高食品安全。本文探讨了利用热成像进行实时叶片病害分类的边缘计算潜力。我们提供了一个用于植物病害分类的热图像数据集，并在资源受限设备（如 Raspberry Pi 4B）上评估了深度学习模型，包括 InceptionV3、MobileNetV1、MobileNetV2 和 VGG-16。通过剪枝和量化感知训练，这些模型在 Edge TPU Max 上对 VGG16 实现了高达 1.48 倍的推理加速，在 Intel NCS2 上对 MobileNetV1 实现了高达 2.13 倍的精度降低加速，与高端 GPU（如 RTX 3090）相比，同时保持了最先进的准确率。
引用
@article{arxiv.2411.03835,
title = {An Edge Computing-Based Solution for Real-Time Leaf Disease Classification using Thermal Imaging},
author = {Públio Elon Correa da Silva and Jurandy Almeida},
journal= {arXiv preprint arXiv:2411.03835},
year = {2024}
}