近日，北京农学院智能科学与工程学院物联网工程专业2025级本科生黎云杰以第一作者身份在国际农业领域SCI期刊Agriculture发表题为《WAGENet: A Hardware-Aware Lightweight Network for Real-Time Weed Identification on Low-Power Resource-Constrained MCUs》的研究论文。该期刊为中科院二区期刊，影响因子3.6。研究聚焦智慧农业场景中的杂草识别问题，提出了一种面向超低功耗微控制器（MCU）的硬件感知轻量化深度学习网络，为农业机器人及农业物联网设备的边缘智能部署提供了新的技术方案。

针对传统深度学习模型参数规模较大、功耗较高、难以在资源受限嵌入式设备上高效部署的问题，研究提出了一种硬件感知轻量化网络WAGENet。该模型融合Ghost模块、MBConv结构、SE/CA注意力机制以及轻量化ASPP多尺度特征融合结构，在保证较高识别精度的同时，显著降低了模型参数量与推理能耗。实验结果表明，WAGENet仅包含0.163M参数，即可在DeepWeeds数据集上实现95.71%的识别准确率，并成功部署于STM32H7微控制器平台，实现低功耗实时推理。

该研究构建了涵盖轻量化网络设计、嵌入式部署与边缘智能应用验证的完整技术链条，为TinyML技术在智慧农业、农业机器人及低功耗农业物联网中的应用提供了重要参考，也展现了我院本科生参与科研创新实践的良好成效。

本论文第一完成单位为北京农学院智能科学与工程学院，我院青年教师张宇轩担任通讯作者。论文由校内外师生合作完成，合作者包括杨丽、郭大方、樊正强、黄钰千、吴宇航、陆昱辰、匡敏球等。

该研究得到了北京农学院青年教师科研创新能力提升计划项目的支持。