面向 AI 驱动的无人机轻量化作物害虫控制的地空高效运输系统
机器人学
2025-02-21 v1 人工智能
摘要
高效农作物生产需要早期检测害虫爆发并及时进行处理；我们考虑一种基于多台自动微型无人机 (nano-UAVs) 的解方案，用于视觉检测害虫，以及一辆速度较慢的重型车辆用于访问检测到的爆发点进行处理。为应对 nano-UAV 上极端限制的挑战，如低分辨率传感器和小于 100 mW 的计算功耗预算，我们设计、微调和优化一个 tiny 基于图像的卷积神经网络 (CNN) 用于害虫检测。尽管我们的 CNN 很小（即 0.58 GOps/推理），但在我们的数据集上，它在检测有害虫虫时得分 mean average precision (mAP) 为 0.79，即比文献中最佳性能的 CNN 低 14% 的 mAP，但运算量少 32 倍。我们的 CNN 在 Crazyflie nano-UAV 上以 6.8 帧/秒实时运行，功耗仅 33 mW。随后，为应对现场意外障碍物，我们利用基于 A* 算法的全局+局部路径规划器。全局路径规划器确定 nano-UAV 遍历整个区域的最佳路径，而局部规划器可在我们的 nano-UAV 上运行至 50 Hz，并通过调整短距离路径来防止碰撞。最后，我们通过仿真实验演示，一旦 25 台 nano-UAV fleet 已遍历 200x200 m 的藤蔓园，收集的信息可用于规划拖拉机的最佳路径，访问所有且仅访问所需热点。在此场景下，我们的高效运输系统相对于传统单车地面 vehicle 同时执行检查和处理，可节省最高 20 小时的工作时间。
引用
@article{arxiv.2502.14455,
title = {An Efficient Ground-aerial Transportation System for Pest Control Enabled by AI-based Autonomous Nano-UAVs},
author = {Luca Crupi and Luca Butera and Alberto Ferrante and Alessandro Giusti and Daniele Palossi},
journal= {arXiv preprint arXiv:2502.14455},
year = {2025}
}