TinyML in agriculture: findings and reporting gaps
A review of 28 studies reports that agricultural TinyML deployments largely rely on ESP32, STM32, and ATMega microcontrollers. Some plant-disease detection systems report 90–97% accuracy and latency as low as 7.6 ms, but memory and energy metrics are often missing.
AlphaSignal7 nov 2026
1 min di lettura
The review says models typically run inference on-device in the field while training remains in the cloud. Quantization appears in over half of deployments, whereas structured pruning and neural architecture search are rare.
The authors say sparse reporting of flash, RAM, operation counts, and energy per inference hinders reproducibility and fair comparison. They propose an architecture spanning sensing, inference, edge processing, and cloud training.
Perché è importante
The review shows why on-device inference may suit small farms with intermittent connectivity, and identifies reporting gaps that make deployments hard to evaluate.
GUIDE
Qualcosa da provare
For a hypothetical farm-sensor project, plan to report accuracy alongside RAM, flash, latency, and energy per inference.
PUSULAM / COMPRENDI
Una buona domanda cambia tutto.
Analizziamo insieme questo articolo. Chiedi che cosa significa, perché è importante o come mettere in pratica l’idea.
Una panoramica personalePer il tuo lavoro e i tuoi interessi
Cosa significa per te?
Una spiegazione su misura per il tuo lavoro e i tuoi interessi.
Parlaci un po’ di te per ricevere una spiegazione adatta a te.
PUSULAM / COMMUNITY
La conversazione
Cosa è cambiato per te? Condividi un esempio utile o fai una domanda agli altri lettori.
Il modello a pesi ternari Ternary-Bonsai-2-2B di Prism ML riduce il modello linguistico a circa 0,52 GB, rispetto a circa 3,8 GB in FP16. Mantiene una finestra di contesto di 262K token e l’input di immagini, con il componente visivo caricato separatamente. I pesi assumono i valori −1, 0 o +1; ulteriori metadati di scala aumentano il costo effettivo di archiviazione. L’input di immagini richiede un file mmproj Q8_0 facoltativo da 0,36 GB.
Crusoe confirmed it sold an unfinished data center project in southeastern Wyoming to Google. Google said it plans to invest $17 billion to develop the campus; the purchase price was not disclosed. Crusoe announced the project last year with Tallgrass, with plans to eventually scale it to 10 gigawatts. Google is taking over development; the report says it had raised concerns about costs and the construction timeline under Crusoe’s management.
OpenGVLab ha rilasciato il modello visione-linguaggio InternVL2-1B, con 0,9 miliardi di parametri, con licenza MIT. Secondo quanto riportato, ottiene 754 punti su OCRBench, superando PaliGemma-3B con 614 e Mini-InternVL-2B con 654. Il modello combina un encoder visivo InternViT-300M con Qwen2-0.5B-Instruct e ha una finestra di contesto da 8K. È destinato a compiti che includono OCR, analisi di documenti e grafici e risposte a domande sui video.
Avvia la conversazione.