ĐÁNH GIÁ HIỆU SUẤT CỦA CÁC MÔ HÌNH PHÂN LOẠI HÌNH ẢNH TINYML LƯỢNG TỬ HÓA TRÊN NỀN TẢNG UAV MÔ PHỎNG CHO ỨNG DỤNG GIÁM SÁT NÔNG NGHIỆP

Tóm tắt

UAV mang lại khả năng thu thập dữ liệu và giám sát thời gian thực trong nông nghiệp. Tuy nhiên, việc triển khai AI tiên tiến, đặc biệt là học sâu, trên UAV bị hạn chế bởi tài nguyên tính toán, bộ nhớ và năng lượng. Nghiên cứu này nghiên cứu về hiệu suất của các mô hình phân loại hình ảnh TinyML lượng tử hóa cho giám sát nông nghiệp. Chúng tôi đề xuất khung mô phỏng MATLAB/Simulink để đánh giá sự đánh đổi giữa độ chính xác, tốc độ suy luận và tiêu thụ tài nguyên. Kết quả cho thấy các mô hình TinyML lượng tử hóa giảm đáng kể dấu chân tính toán và năng lượng trong khi vẫn duy trì độ chính xác chấp nhận được, cho phép xử lý AI hiệu quả trên thiết bị. Nghiên cứu này góp phần vào việc triển khai các giải pháp AI hiệu quả trên thiết bị biên, hướng tới nông nghiệp tự chủ và bền vững hơn.