VTC-TrackBot：一种用于移动边缘设备上实时计数菊花的强大时空框架

《IEEE Transactions on AgriFood Electronics》：VTC-TrackBot: A Robust Spatiotemporal Framework for Real-Time Chrysanthemum Counting on Mobile Edge Devices

　　

摘要：

有效监测粮仓状况对于减少产后损失以及保障粮食在储存和运输过程中的质量至关重要。本研究提出了一个基于温度、相对湿度以及二氧化碳浓度等参数的实时变质评估分析框架。通过部署经过校准的高精度传感器网络，可持续监测粮堆内的环境条件及生化变化。所收集的多变量时间序列数据可通过22种深度学习模型进行分析，这些模型能够识别与粮食变质过程相关的空间和时间特征。空间-时间特征映射有助于确定变质的高风险区域，而序列建模则可用于分析粮食的呼吸作用动态变化。该监测系统配备了14个传感器，分布在19根电缆上，每个传感器的数据都会在固定的时间点被记录下来。系统还整合了各种环境参数，如环境温度、环境相对湿度以及内部相对湿度，并结合各传感器的检测数据，从而实现对温度分布、异常情况的检测以及多变量预测。通过控制性储存试验进行的实验验证表明，该系统在预测二氧化碳浓度方面的准确率为95.54%，相对湿度预测准确率为95.38%，而温度预测准确率则为98.89%，这样的精准度使得能够在粮食出现物理降解之前的30天内发出早期预警。此外，该系统还具备自适应阈值功能，可自动调整环境控制措施，比如通风或干燥操作。根据系统分析结果，可将粮食储存状况分为不同阶段：二氧化碳浓度阶段、相对湿度阶段、温度阶段以及综合最终阶段，从而清晰地判断粮食是否处于安全状态或需要警戒。总体而言，该系统为智能粮仓储存提供了强大、可扩展且以数据为驱动的基础……

显示更多内容