基于增强 FCOS-Lite 和知识蒸馏的边缘 AI Chicken 健康检测
计算机视觉与模式识别
2024-11-06 v3 图像与视频处理
摘要
AIoT 技术的运用正在成为现代鸡养管理的关键趋势，旨在优化农业操作并减少人工工作负担。本文提出了一种实时且紧凑的边缘 AI 启用检测器，旨在识别鸡只及其健康状态。该检测器利用由轻量级智能摄像头捕获的帧，摄像头配备了启用边缘 AI 的 CMOS 传感器。为确保在内存受限的边缘 AI CMOS 传感器上高效部署所提议的紧凑检测器，我们采用 MobileNet 作为基础网络的 FCOS-Lite 检测器。为缓解在不增加推理成本的情况下，紧凑边缘 AI 检测器准确率下降的问题，我们提出了作为分类损失的梯度加权损失函数，并引入了 CIOU 损失函数作为定位损失。此外，我们提出了从大型教师检测器传递有价值信息给所提议的 FCOS-Lite 检测器的知识蒸馏方案，从而在保持紧凑模型规模的同时提升其性能。实验结果表明，所提议的边缘 AI 启用检测器取得了令人满意的性能指标，包括平均精度（mAP）达 95.1% 和 F1 分数达 94.2% 等。值得注意的是，所提议的检测器通过 int8 量化，可在边缘 AI CMOS 传感器上实现高效部署，运行速度超过 20 FPS，满足使用低功耗、最小带宽消耗的轻量级智能摄像头进行自动鸡只健康监测的实际需求。
引用
@article{arxiv.2407.09562,
title = {Edge AI-Enabled Chicken Health Detection Based on Enhanced FCOS-Lite and Knowledge Distillation},
author = {Qiang Tong and Jinrui Wang and Wenshuang Yang and Songtao Wu and Wenqi Zhang and Chen Sun and Kuanhong Xu},
journal= {arXiv preprint arXiv:2407.09562},
year = {2024}
}