科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
