使用带硬件加速器的嵌入式系统的实时苹果检测系统：一种边缘 AI 应用
计算机视觉与模式识别
2020-11-02 v1 图像与视频处理
摘要
果园中实时苹果检测是估算苹果产量的最有效方式之一，有助于更有效地管理苹果供应。传统检测方法使用高计算量的机器学习算法与密集硬件装置，因其重量与功耗限制而不适于田间实时苹果检测。本研究受“边缘 AI（Edge AI）”启发，提出一种用于苹果检测的实时嵌入式解决方案，其在 Raspberry Pi 3 B+、Intel Movidius 神经计算棒（NCS）、Nvidia Jetson Nano 与 Jetson AGX Xavier 等多种嵌入式平台上实现 YOLOv3-tiny 算法。训练数据集通过在意大利北部苹果园实地调查所获取图像编制而成，测试图像取自广泛使用的谷歌数据集，经筛选保留含不同场景苹果的图像以确保算法鲁棒性。所提研究调整 YOLOv3-tiny 架构以检测小物体。其显示了在廉价且节能的嵌入式硬件上部署定制模型的可行性，且不牺牲平均检测精度（83.64%），即便在重叠苹果、复杂背景、枝叶遮挡导致苹果曝光不足等困难场景下仍可达 30 fps 帧率。此外，该嵌入式解决方案可部署于无人地面车辆，实时检测、计数并测量苹果大小，以助农户与农艺师决策与管理。
引用
@article{arxiv.2004.13410,
title = {Real-Time Apple Detection System Using Embedded Systems With Hardware Accelerators: An Edge AI Application},
author = {Vittorio Mazzia and Francesco Salvetti and Aleem Khaliq and Marcello Chiaberge},
journal= {arXiv preprint arXiv:2004.13410},
year = {2020}
}