Dot-Flik：用于分布式昆虫监测的可扩展边缘AI架构
网络与互联网体系结构
2026-05-27 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
全球昆虫种群数量下降需要可扩展、连续的监测系统，然而现有的基于视觉的解决方案仍受限于高硬件成本、能源需求以及对集中处理或云连接的依赖。本文提出了三项贡献来解决这些限制。首先，我们提出了一种基于运动信息的帧过滤算法，该算法基于时间差分、伽马校正的运动放大和基于块的运动密度分析，在边缘丢弃不相关的帧，同时保留昆虫活动，无需在传感设备上进行深度学习推理。其次，我们引入了一种分布式、分层的物联网架构，通过这种边缘级预处理将数据采集与AI分类解耦，与单流方法相比，预测了中央处理需求的分数级缩减，并显著增加了监测覆盖范围。第三，我们通过在实际户外部署中，在低成本商用硬件上，沿着四个维度验证了整个系统：实时性能、网络可扩展性、硬件成本和不同风况下的能源效率。结果表明，在微风条件下帧减少了60-80%，持续实时30 FPS运行并留有12.8毫秒的计算余量，节能高达22.6%，每个中心节点支持5-6个并发边缘流。这些发现为城市环境中密集、低成本的生物多样性监测网络奠定了实践基础。
引用
@article{arxiv.2606.26121,
title = {Dot-Flik: A Scalable Edge AI Architecture for Distributed Insect Monitoring},
author = {Mattia Consani and Denisa-Andreea Constantinescu and Åse Håtveit and Titus Venverloo and Fabio Duarte and Carlo Ratti and David Atienza},
journal= {arXiv preprint arXiv:2606.26121},
year = {2026}
}