基于 FSM 引导的边缘站立水检测：分层策略与多模型共识
计算机视觉与模式识别
2026-04-07 v1
摘要
农业领域的站立水会威胁车辆移动性和作物健康。本文提出一种在树莓派级设备（可选 Jetson 加速）上部署的边缘架构，用于站立水检测。将摄像头输入与环境传感器（湿度、气压、温度）组合进有限状态机（FSM）中，作为架构决策引擎。FSM 引导的控制平面在不同推理层级之间进行选择，在间歇性连接和运动依赖的计算预算约束下，权衡准确性、延迟和能耗。多模型 YOLO 集束提供图像得分，而日间基线传感器融合则利用环境异常值调整警惕程度。所有决策按帧记录，使可实现位相同的硬件-in-the-loop 重放。在十个配置和传感器变体的同一序列上进行帧级ground truth 测试，我们展示了自适应分层、多模型共识和日间传感器融合组合相较于静态本地基线显著提高了洪水检测性能，能耗低于总是重负载卸载策略，而在实际农业环境中保持受限的尾部延迟。
引用
@article{arxiv.2604.03308,
title = {Edge-Based Standing-Water Detection via FSM-Guided Tiering and Multi-Model Consensus},
author = {Oliver Aleksander Larsen and Mahyar T. Moghaddam},
journal= {arXiv preprint arXiv:2604.03308},
year = {2026}
}
备注
Accepted at the In Practice Track of IEEE ICSA 2026. 10 pages