一种异步联邦学习系统及神经网络框架

本申请提供了一种异步联邦学习系统及神经网络框架，涉及采摘机器人技术领域。通过异步联邦学习系统解决了同步联邦学习的“短板效应”，并通过动态聚类和自适应模型聚合提高了全局模型在非独立同分布数据上的性能，同时，神经网络框架增强了采摘机器人在复杂农业场景下的感知能力和决策精度，从而具有提高异步联邦学习系统在智慧农场中采摘机器人协同训练效率。