注意力辅助轻量级网络友好于智能除草机器人 农作物和杂草的硬件资源 语义细分 语义细分
Yifan Wei1, Yuncong Feng1,2,3, Xiaotang Zhou1,2
1College of Computer Science and Engineering, Changchun University of Technology, Changchun, Jilin, China.
Frontiers in plant science
|January 8, 2024
概括
一个新的注意力辅助轻量级网络为智能除草机器人提供了高效的作物和杂草细分. 这种方法平衡了准确性与嵌入式系统的硬件限制,使精准农业成为可能.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 农业技术 农业技术
背景情况:
- 智能除草机器人对于可持续农业至关重要,但现有的视觉算法往往忽视硬件限制.
- 目前的轻量级网络缺乏准确的作物和杂草细分的特异性.
研究的目的:
- 在嵌入式系统上开发一个以注意力辅助的轻量级网络,以实现高效准确的作物和杂草语义细分.
- 在智能除草机器人中解决细分精度和计算效率之间的权衡问题.
主要方法:
- 提出了一个编码器-解码器网络,包含双重注意力和空间连接注意力块.
- 用精致扩展的卷积块取代2D卷积,以增强特征提取和减少复杂性.
- 在BoniRob,Rice Seeding和WeedMap数据集上评估网络,并在NVIDIA Jetson Xavier NX上测量性能.
主要成果:
- 该网络实现了0.11M和0.24G浮点运行的参数数.
- 在NVIDIA Jetson Xavier NX.上,推理速度达到18.14毫秒,FPS为55.1 FPS.
- 在资源有限的设备上保持高推断速度的同时,展示了具有竞争力的细分性能.
结论:
- 注意辅助的轻量级网络有效地平衡了细分精度与智能除草机器人的嵌入式系统的计算约束.
- 这种方法有助于开发更高效,更节约资源的精准农业技术.
