基于分布式计算与深度学习的实时高通量棉花表型分析系统研发

为解决传统棉花表型分析效率低、成本高的问题，研究人员开发了基于Raspberry Pi集群的分布式计算系统，结合Apache Spark和tiny-YOLOv4模型，实现了棉花图像数据的实时并行处理。结果表明，Spark处理速度较MapReduce提升5倍以上，首次构建了开源低成本的田间棉花表型分析管道，为精准农业提供了可扩展的技术方案。

　　

在精准农业领域，棉花表型分析长期面临数据量大、处理效率低的挑战。传统人工统计棉铃数量因田间密度高而难以实施，而现有图像处理方法又受限于线性计算模式，无法满足实时监测需求。尤其棉花花期短暂（仅开放数日），及时统计开花频率对产量预测至关重要。尽管无人机和深度学习技术已应用于棉花监测，但海量图像数据的处理瓶颈仍未突破。

为此，Vaishnavi Thesma团队在《Smart Agricultural Technology》发表研究，构建了基于Raspberry Pi集群的分布式系统。该系统采用Apache Spark替代传统MapReduce框架，结合预训练tiny-YOLOv4模型，实现了棉花图像的分割、花朵检测和时空分布图生成的并行化处理。研究通过对比不同节点规模的集群性能，验证了该方案在实时性和成本效益上的双重优势。

关键技术包括：1）使用4节点Raspberry Pi 4B集群（主从架构）搭载Hadoop 3.3.4和Spark 3.5.0；2）通过ZED2相机采集美国佐治亚州Tifton试验田的棉花冠层图像；3）采用OpenCV DNN模块部署tiny-YOLOv4模型进行花朵检测；4）利用Spark的RDD（弹性分布式数据集）实现内存计算优化。

研究结果显示：

1. 1.

   性能对比：Spark完成图像分割（14秒）、花朵检测（90秒）和时空制图（4秒）的总耗时仅1分48秒，较MapReduce提速5倍以上。

2. 2.

   扩展性验证：3节点集群处理123张图像耗时132秒，较单节点效率提升64%。

3. 3.

   模型泛化性：预训练模型在2024年高分辨率数据上保持88.7%的召回率（TPR），虽误检率（FPR）达24.9%，但F1分数（0.825）与2022年数据相当。

4. 4.

   应用展示：通过叠加7-8月不同花期（蓝/红/绿框标记）的检测结果，成功构建反映棉花开花时空分布的动态图谱。

讨论指出，当前系统内存限制（4GB/节点）制约了单次数据处理量，建议未来采用NVIDIA Jetson等高性能边缘设备。研究创新点在于：首次将Spark内存计算引入田间作物监测，通过开源技术栈（总成本低于商业云服务）实现了从数据采集到决策支持的闭环。该框架可扩展至其他作物参数分析，为资源受限地区的精准农业提供了可复用的技术范式。