基于边缘智能的茶叶病害识别

来源：中国农机化学报杂志2022年第6期北京时间：

作者：李博, 江朝晖, 洪石兰, 饶元, 张武,

单位：1. 安徽农业大学信息与计算机学院，合肥市，230036；2. 智慧农业技术与装备安徽省重点实验室，合肥市，230036

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。

关键词：茶叶病害,自动识别,迁移学习,自动化模型剪枝,边缘智能

基金资助：智慧农业技术与装备安徽省重点实验室自主创新研究基金（APKLSATE2019X002）；安徽高校自然科学研究重大项目（KJ2019ZD20）