近期，信息学院蔡祥课题组在农林科学领域期刊《Computers and Electronics in Agriculture》（中科院期刊分区表大类一区，IF=6.757）上以“FPGA–accelerated CNN for real-time plant disease identification”为题发表论文，针对复杂农田环境下，植物病害如何在性能受限的边缘终端设备上快速准确识别的问题展开研究，为在农田环境对边缘终端设备的成本、性能、供电方式和便携性都有极大限制的情况下，实现植物病害实时准确识别，提供了应用案例，也为农业类似场景（采用人工智能方法对视频数据进行现场快速信息提取），提供了参考解决方案。

       目前，在农田环境下采用卷积神经网络（CNN）识别植物病害是智慧农业领域的热门研究方向，但由于CNN算法具有存储密集和计算密集的特点，难以在内存和计算资源受限的边缘终端实现，或实现时间过长，难以达到实时识别效果。针对该问题，蔡祥课题组设计并开发了基于FPGA加速CNN方法的电路系统（图1），实现了田间复杂环境下的病害实时识别，提供了CNN网络（图2）在资源受限边缘终端设备上实现，精度和速度难以兼顾的一种解决方案。经测试，该系统的病害识别准确率为95.71%，速度为0.071s每帧，功耗为2.41W。

图1 电路加速系统内部结构

图2 植物病害识别模型

       该工作以题为“FPGA–accelerated CNN for real-time plant disease identification”的论文发表，为在农田环境对边缘终端设备的成本、性能、供电方式和便携性都有极大限制的情况下，实现植物病害实时准确识别，提供了应用案例，也为农业类似场景（采用人工智能方法对视频数据进行现场快速信息提取），提供了参考解决方案。论文第一作者为课题组研究生罗钥轩，通讯作者为蔡祥，第一完成单位为北京林业大学，研究工作得到了国家自然科学基金（项目编号：31400621）资助。

       论文链接：https://www.sciencedirect.com/science/article/pii/S0168169923001035?dgcid=coauthor