基于边缘智能的智慧农业病虫害监测系统设计与轻量化识别.docxVIP

PAGE2

基于边缘智能的智慧农业病虫害监测系统设计与轻量化识别

摘要

智慧农业是现代农业发展的重要方向，病虫害监测是保障作物产量与品质的关键环节。

传统人工巡检方式效率低、主观性强，而基于云端的图像识别方案受限于网络延迟与带宽成本，难以在农田场景中实现实时响应。

本课题设计一套基于边缘智能的智慧农业病虫害监测系统，将深度学习模型轻量化后部署于边缘计算节点，实现田间病虫害的本地化实时识别与预警。

论文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路。

首先分析农业病虫害监测的现实痛点与功能需求，明确系统目标与性能指标。

其次，在总体设计中提出“端-边-云”协同架构，划分图像采集、边缘推理、数据管理、告警通知等核心模块，并完成数据库与接口设计。

详细设计部分深入阐述图像预处理流程、轻量化识别模型的结构与边缘推理优化策略，以及各模块的交互逻辑。

实现阶段展示系统核心功能的开发过程与运行效果，重点解决模型轻量化部署与实时性优化两个关键技术难点。

测试环节通过功能与性能测试验证系统的高识别精度与低延迟响应，达到预设指标。

设计的核心创新点在于：采用知识蒸馏与通道剪枝结合的轻量化方案，在保持识别精度的前提下大幅压缩模型体积；设计自适应推理调度策略，根据边缘设备负载动态调整推理频率，实现资源受限环境下的高效运行。

系统为智慧农业病虫害监测提供了一种低成本、低延迟、高精度的解