通过基于YOLOv11的深度学习和知识图表来诊断棉花害虫和疾病:实时语音支持的边缘解决方案

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 人工智能的人工智能

背景情况:

• 目前棉花害虫和疾病管理面临的挑战是高劳动力成本,有限的专家可用性和缓慢的响应时间.
• 需要可访问,现场准备的决策支持系统,以帮助非专业用户有效地管理棉花害虫和疾病.

研究的目的:

• 开发一个实时,语音支持的边缘计算解决方案,用于棉花害虫和疾病管理.
• 将基于深度学习的检测与域知识图集集成为智能决策支持.
• 为减少劳动力依赖提供可访问的,现场准备的害虫和疾病管理建议.

主要方法:

• 通过融合专家策划和网络来源的知识,构建了一个棉花害虫疾病知识图表,拥有3000多个三倍.
• 开发了一种增强的YOLOv11探测器,通过LAMP修剪和教师助理学生蒸压缩,用于在边缘设备 (Jetson Xavier NX) 上轻量部署.
• 语义上对齐检测到的对象与知识图实体,以生成通过蓝牙语音反传递的上下文感知建议.

主要成果:

• 优化的深度学习模型在边缘设备上以每秒52 (FPS) 的速度达到0.835的平均平均精度 (mAP),只有0.3M的参数.
• 该系统在现场条件下表现出稳定的实时推断能力,保持高检测准确度.
• 综合系统成功地通过语音反为无手操作提供了上下文意识的建议.

结论:

• 开发的语音支持边缘解决方案有效地集成紧的深度学习模型与结构化知识图.
• 这种方法显著减少了对专家劳动力的依赖,并在非专家环境中加快了响应时间.
• 这项研究提出了一条实用且可扩展的途径,以在边缘实现智能棉花害虫和疾病管理.