机构名称：
¥ 1.0
摘要 — 葡萄叶锈病是最常见的葡萄叶病之一，严重影响葡萄产量，导致全球葡萄产量损失 20%-40%。因此，及时有效地识别该病害有助于制定早期治疗方法，以控制其蔓延并减少经济损失。为此，近年来，人们广泛研究了使用计算机视觉和机器学习技术识别植物疾病。本文旨在提出一种基于高性能卷积神经网络 (CNN) 的图像检测器，该检测器在低成本、低功耗平台上实现，以实时监测葡萄叶锈病。为了满足嵌入式系统典型的严格约束，我们开发了一种基于 CANDECOMP/PARAFAC (CP) 张量分解的新型低秩 CNN 架构 (LR-Net)。这样获得的压缩 CNN 网络已在特定数据集上进行了训练，并在低功耗、低成本的 Python 可编程机器视觉相机中实现，以进行实时分类。进行了大量的实验，结果表明 LR-Net 在推理时间和内存占用方面都优于最先进的网络。
2024 年 12 月 31 日理工大学...
主要关键词
相关文件推荐
