PlantVLM-Edge：用于端侧作物健康诊断的量化视觉语言模型

及时、准确的作物健康诊断对于可持续农业生产至关重要，但准确诊断往往需要难以随时获取的专业知识。近年来，视觉语言模型（VLM）在视觉理解、推理和自然语言交互方面展现出卓越能力，为智能作物健康评估创造了新的机遇。然而，由于计算和内存需求庞大，在资源受限设备上部署 VLM 仍面临挑战。本文提出 PlantVLM-Edge，这是一种用于对话式作物健康诊断的量化视觉语言框架，可完全在资源受限的边缘设备上运行。PlantVLM-Edge 将农业领域适配、训练后量化和端侧推理服务与离线聊天界面相结合，使种植者无需连接云端即可提出开放式问题，并获得诊断结果、症状解释和管理指导。该框架不依赖特定骨干模型：我们使用两种规模和架构不同的 VLM（Qwen3-VL-2B 和 LLaVA-1.5-7B）、四种量化方案以及两个诊断领域（植物病害和虫害）进行验证，并将所有变体部署在 NVIDIA Jetson AGX Orin 上。与全精度模型相比，8 位量化对回答质量的影响极小；4 位激活感知权重量化（AWQ）在两个领域均保留了全精度模型 98.6% 的回答质量，同时将 2B 骨干模型的权重内存占用降低了 49%。在最紧凑的配置下，PlantVLM-Edge 仅需 2.01 GiB 的权重内存，约 0.12 秒即可返回首个词元，并在 0.78 秒内完成包含 64 个词元的诊断回复。这些结果表明，在边缘设备上进行及时、准确的作物健康诊断具有实际可行性，为下一代作物监测与决策支持系统奠定了基础。