面向咖啡叶病分类的能量感知集成学习
计算机视觉与模式识别
2026-01-21 v1
摘要
咖啡产量取决于及时准确的病害诊断；然而，在田间评估叶片病害面临重大挑战。尽管人工智能（AI）视觉模型达到了高精度，但其采用受到受限设备和间歇性连接的限制。本研究旨在通过知识蒸馏促进可持续的设备端诊断：在数据中心训练的高容量卷积神经网络（CNNs）通过集成学习（EL）将知识传递给紧凑的CNNs。此外，通过简单和优化的集成方法整合了密集的微型对，以在遵守严格的计算和能量约束的同时提高准确性。在一个精心整理的咖啡叶数据集上，蒸馏出的微型集成模型取得了与先前工作相当的竞争力，同时显著降低了能耗和碳足迹。这表明，轻量级模型在经过适当蒸馏和集成后，可以为物联网（IoT）应用提供实用的诊断解决方案。
引用
@article{arxiv.2601.12109,
title = {Energy-Aware Ensemble Learning for Coffee Leaf Disease Classification},
author = {Larissa Ferreira Rodrigues Moreira and Rodrigo Moreira and Leonardo Gabriel Ferreira Rodrigues},
journal= {arXiv preprint arXiv:2601.12109},
year = {2026}
}