A Novel Hardware-Aware Multi-Objective Evolutionary Neural Architecture for Crop-Disease Classification on Edge Devices
本文提出了一种基于 NSGA-II 的硬件感知多目标进化搜索框架，旨在优化用于边缘设备上作物病害分类的 EfficientNet-Lite 架构，在实现高准确率（0.98）的同时，与现有的 EfficientNet-B0 和 MobileNetV3 等模型相比，显著降低了延迟和模型大小。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在世界粮食生长过程中那广袤而阳光明媚的田野里，一场无声的战斗正在时刻进行。这并非一场关于武器的战争，而是一场生物学的较量，微小的真菌、细菌和病毒威胁着要抹去整个收成。几个世纪以来，农民一直依靠他们的眼睛和经验来发现这些威胁，但这种方法往往过于缓慢、过于主观，或者当农民无法同时出现在所有地方时，根本无法实现。今天，技术提供了一双新的眼睛：人工智能。通过教计算机识别病叶的特定模式，我们可以及早检测疾病，从而挽救农作物并减少对有害化学物质的需求。然而，目前最强大的计算机大脑都是庞然大物，需要消耗大量的电力和昂贵的硬件才能运行。它们生活在远离农田、远离最需要它们的尘土飞扬的田野之中的巨大数据中心里。科学家面临的挑战不仅是建造一个聪明的计算机，而是要将其缩小到足以装进一个农民可以揣在口袋里的、由电池驱动的小型设备中，同时还要保持其足够敏锐，能够做出关乎农作物生死的决策。
一组研究人员通过创造一种设计这些微型智能系统的新方法，解决了这个确切的问题。他们并没有手动构建一个计算机模型并寄希望于它在小型设备上表现良好，而是开发了一种让计算机进行自我设计的方法。他们从一个已知的、高效的神经网络蓝图（一种受人类大脑启发的类型人工智能）开始，然后使用数字进化过程对其进行优化。想象一下一群数字建筑师，每位都在提出略有不同的疾病检测大脑版本。研究人员测试这些版本的标准不仅是它们识别病叶的能力，还有它们执行任务的速度以及占用的内存量。表现最好的版本被允许进行“交配”，将成功的特征结合起来以创造出更好的后代，而效率较低的则被淘汰。这种被称为遗传算法的过程模仿了自然选择，使系统能够在针对现代农业设备中常见的微型、低功耗芯片上，实现准确性与速度之间的完美平衡。
该团队使用一个包含超过 82,000 张植物叶片图像的海量库来测试这种方法，涵盖了 14 种不同类型的农作物以及 38 个不同的健康与疾病类别。他们将这些图像输入到他们的进化系统中，该系统运行了数千次试验以寻找最优结构。结果是一个定制构建的神经网络架构，其体积非常紧凑。当他们将这个新模型部署到 Raspberry Pi（一种常用于爱好者和研究人员的小型、廉价计算机）和一个 NVIDIA Jetson Nano（一种专为边缘计算设计的性能稍强的板卡）上时，结果令人瞩目。该系统在识别农作物疾病方面的准确率达到了 98.2%，这一精度水平足以媲美许多更大、更昂贵的模型。更重要的是，它具备惊人的速度，在 Jetson Nano 上仅需 12.9 毫秒即可做出判断。这足以让农民在扫描叶片后立即获得诊断，而无需等待云端连接或强大的服务器。
研究人员将他们进化的模型与几种现有的、常用于移动设备的知名设计进行了对比。新的架构比其竞争对手更快、更小，在保持高准确度的同时使用了更少的计算资源。在直接对比中，新模型所需的计算能力不到一些标准设计的半数，且运行延迟也几乎只有其他模型的半数。这种效率意味着农民有可能在成本极低且由小型电池供电的设备上运行此系统，使先进的疾病监测技术即使在基础设施有限的偏远地区也能触手可及。研究还表明，该模型在不同类型的农作物（从番茄、苹果到蓝莓和葡萄）之间保持了稳健性，证明了进化搜索过程可以找到一个单一且通用的解决方案，而非仅适用于特定植物的模型。
这项工作的特别意义在于，它超越了仅仅在强大计算机上训练模型然后试图强行使其在小型设备上运行的传统做法。相反，研究人员从一开始就将小型设备的约束条件直接纳入了设计过程。通过要求计算机进化出一个本质上轻量化的解决方案，他们避免了为了获得速度而不得不牺牲过多准确性的常见问题。研究表明，这种“硬件感知”的方法是精准农业的一条可行路径，其目标是将高级智能直接带到田间地头。虽然目前的工作是在受控条件下拍摄的一组特定图像上进行的测试，但作者指出，未来的步骤将包括在户外农业多变、不可预测的现实环境中进行测试，包括变化的阳光、天气和土壤条件。然而，就目前而言，这项研究证明了，在不丧失识别威胁粮食供应的隐形威胁的能力的前提下，将现代人工智能的大脑缩小到可以握在农民手中的尺寸是完全可能的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。