资源受限的智能陷阱：集成TinyML的果蝇监控框架

本文主要是介绍资源受限的智能陷阱：集成TinyML的果蝇监控框架，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

这篇论文的标题是《Resource-Constrained Intelligent Trap: Fruit Flies Surveillance Framework with TinyML Integration》，作者是Quan Minh Nguyen、Minh Nhat Lai、Vu Thanh Le和Hien Bich Vo。论文介绍了一种资源受限的智能陷阱系统，用于监测和控制果蝇，以保护农作物。以下是论文的主要内容概述：

摘要

研究提出了一种使用ESP-EYE微控制器和FOMO算法结合Edge Impulse AI平台的先进解决方案，以保护果实作物免受果蝇的威胁。
智能昆虫陷阱具备高级功能，并展现出卓越的性能，最大RAM使用量为2.4Mb，推理时间为5.694秒，基于IoU（交并比）阈值为0.5时，准确率达到96%。
该解决方案不仅确保了专业检测和计数能力，还及时向农民提供潜在威胁的通知，支持有针对性的农药使用，最小化广泛喷洒，并确保有效的作物保护。
陷阱可以无人干预下自动运行，具有自动更换果蝇污染的粘性陷阱的功能，这种可持续的方法适应于不同类型的害虫，提高了资源利用和生产力。

引言

论文讨论了果蝇对农作物的威胁，以及如何通过创新解决方案保护收成。

系统概述

论文详细介绍了智能陷阱系统的硬件和软件组件，包括Lynfield陷阱、ESP-EYE开发板、ESP32微控制器、电源补充和机电系统。

本部分详细探讨了构成资源受限智能陷阱（RCIT）的基础元素的方法、流程和原理，包括其硬件和软件组件。

A. 硬件组件

RCIT的硬件组件主要包括以下几个部分：

机电系统：包括Lynfield陷阱、ESP-EYE相机系统、MG996S伺服电机（可360度旋转）、Petri dish分配器、信息素分配器和电气盒。电气盒内装有传感器模块、ESP32微控制器、两个A4988驱动器和CNC盾V3扩展电路。
Lynfield陷阱：设计成Lynfield陷阱形状的机械陷阱，包括一个不透明的白色云母塑料盒，侧面钻有三个孔。底部是一个可翻转的盖子，覆盖有粘蝇纸，内部放置一个浸有信息素的棉球。
ESP-EYE：由ESP32芯片驱动的ESP-EYE模块，具备200万像素相机、4M字节闪存和8M字节PSRAM。支持WiFi图像传输，确保无缝连接。使用ESP-IDF软件SDK和ESP-WHO AI框架，擅长面部检测和识别。
电源系统：系统利用两个20W - 12V太阳能电池板的太阳能，通过太阳能电压调节器电路将输入微调至8.4V供给UPS模块。ESP32微控制器通过一个UPS模块运行，该模块由四个3.7V锂电池供电。
Petri dish分配器：使用1毫升剂量的信息素，涂在粘蝇纸中央的一小片棉布上，理想条件下可覆盖330平方米的区域。
信息素分配器：使用轴向蠕动泵和NEMA17步进电机，以极高的精度提供1毫升剂量的信息素。

B. 软件组件

软件系统在数据收集中起着关键作用，包括捕获苍蝇图像、执行苍蝇识别和计数以及收集感应设备的数据：

FOMO MobileNetV2：FOMO（Faster Objects, More Objects）MobileNetV2是一种创新的机器学习算法，用于在资源受限的设备上进行对象检测。它基于MobileNetV2架构，优化了速度和内存效率。
用户仪表板：自动化系统监控捕蝇器，每20分钟捕获图像并量化苍蝇的存在。环境传感器持续收集周围条件的数据。这些综合信息被上传以供实时访问，并且当苍蝇数量超过预定阈值时，会通知用户。