近期，信息學院蔡祥課題組在農林科學領域期刊《Computers and Electronics in Agriculture》（中科院期刊分區表大類一區，IF=6.757）上以“FPGA–accelerated CNN for real-time plant disease identification”為題發表論文，針對復雜農田環境下，植物病害如何在性能受限的邊緣終端設備上快速準確識別的問題展開研究，為在農田環境對邊緣終端設備的成本、性能、供電方式和便攜性都有極大限制的情況下，實現植物病害實時準確識別，提供了應用案例，也為農業類似場景（采用人工智能方法對視頻數據進行現場快速信息提取），提供了參考解決方案。
目前，在農田環境下采用卷積神經網絡（CNN）識別植物病害是智慧農業領域的熱門研究方向，但由于CNN算法具有存儲密集和計算密集的特點，難以在內存和計算資源受限的邊緣終端實現，或實現時間過長，難以達到實時識別效果。針對該問題，蔡祥課題組設計并開發了基于FPGA加速CNN方法的電路系統（圖1），實現了田間復雜環境下的病害實時識別，提供了CNN網絡（圖2）在資源受限邊緣終端設備上實現，精度和速度難以兼顧的一種解決方案。經測試，該系統的病害識別準確率為95.71%，速度為0.071s每幀，功耗為2.41W。
圖1 電路加速系統內部結構
圖2 植物病害識別模型
該工作以題為“FPGA–accelerated CNN for real-time plant disease identification”的論文發表，為在農田環境對邊緣終端設備的成本、性能、供電方式和便攜性都有極大限制的情況下，實現植物病害實時準確識別，提供了應用案例，也為農業類似場景（采用人工智能方法對視頻數據進行現場快速信息提取），提供了參考解決方案。論文第一作者為課題組研究生羅鑰軒，通訊作者為蔡祥，第一完成單位為北京林業大學，研究工作得到了國家自然科學基金（項目編號：31400621）資助。
論文鏈接：https://www.sciencedirect.com/science/article/pii/S0168169923001035?dgcid=coauthor
