基于无人机与边缘云的链接自适应推理技术在塑料地膜残留评估中的应用

《Scientific Reports》：Link-adaptive edge-cloud inference for UAV-based plastic mulch residue assessment

　　

摘要

利用无人机图像评估塑料地膜残留情况时，会受到分割精度、端到端延迟以及上行带宽的共同制约——因为机载推理在处理碎片化的地膜时难以保持边界清晰度，而云端推理则受限于网络连接速度，以往的研究往往将这些制约因素分开考虑。本研究提出了一种自适应于网络条件的边缘-云端推理框架，该框架包含一个三因子决策模块，能够将经过EWMA平滑处理的带宽值、基于熵值的置信度以及经过运动补偿后的残差值整合为一个综合评分，从而决定每帧图像是进行本地处理、仅传输感兴趣区域的数据还是完整传输数据；同时还设计了一种针对塑料地膜的师生式架构，可在Sentinel-2卫星图像与亚厘米级无人机图像之间实现两千倍分辨率的转换；此外还采用了NSGA-II优化算法，以找到延迟与精度的最佳平衡点，而非简单的折中方案。在模拟的4G-LTE、5G-NR和Wi-Fi 6网络环境下，使用自行收集的无人机图像数据集进行测试，该框架能够在72毫秒的中位端到端延迟下，实现0.826的交并比，达到仅使用云端处理的SegFormer-B3模型的97.1%的准确率，且其应对网络状况突然变化的响应速度比固定阈值策略快3.4倍。当地膜碎片面积小于200像素时，即对应采集尺度下约50平方厘米的面积时，模型准确率会下降，这也限制了该框架在那些需要机械收集的地膜残留检测场景中的应用价值。