PAM-FOG网络：一种轻量级的杂草检测模型，应用于智能除草机器人

《ACM Transactions on Sensor Networks》：PAM-FOG Net: A Lightweight Weed Detection Model Deployed on Smart Weeding Robots

智能农业中基于边缘设备的轻量级视觉检测模型优化研究，提出PAM-FOG网络与新型压缩优化方法，有效平衡模型体积、性能和推理速度，实现模型大小缩减50%，功耗降低26%，帧率提升40%。

　　

摘要

基于深度学习和高性能计算设备的视觉目标检测技术已经取得了成功，但在使用边缘设备的智能农业应用中，其性能尚未得到显著提升。具体而言，现有的模型架构和优化方法并不适合低功耗的边缘设备。农业任务（如杂草检测）要求高精度、低推理延迟和低成本。尽管存在自动调优方法，但搜索空间非常大，使用现有模型进行压缩和优化会浪费大量调优资源。在本文中，我们提出了一种基于杂草分布和投影映射的轻量级PAM-FOG网络。更重要的是，我们提出了一种新的模型压缩优化方法来适应我们的模型。与其他模型相比，PAM-FOG网络能够在由边缘设备支持的智能除草机器人上运行，并实现更高的精度和更快的帧率。我们有效平衡了模型大小、性能和推理速度，将原始模型大小减少了近50%，功耗降低了26%，帧率提高了40%。这证明了我们的模型架构和优化方法的有效性，为智能农业中深度学习的未来发展提供了参考。