基于边缘智能的茶叶病害识别
Journal of Chinese Agricultural Mechanization（2022）
摘要
为实现在资源有限的边缘设备上自动识别茶叶病害,提出基于边缘智能的深度学习模型部署方法.首先使用自动化模型剪枝(AMC)算法在PlantVillage数据集上对MobileNetV2进行模型剪枝,然后使用剪枝率为90％时生成的模型AMC-MobileNetV2在自建茶叶病害数据集上进行迁移学习训练,最后将获得的茶叶病害识别模型部署在边缘设备上.试验结果表明,AMC-MobileNetV2与MobileNetV2相比,在模型参数量减少94.5％、存储体积减小93.4％的情况下,提高模型在资源有限边缘设备上的识别速度,对8种茶叶病害识别平均准确率高达97.42％.研究结果可应用于茶园病害防治机器人.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要