基于ZYNQ平台的图像分类加速器设计与实现

作     者：周扬维 尹震宇 王军 张飞青 徐光远 徐福龙 ZHOU Yangwei;YIN Zhenyu;WANG Jun;ZHANG Feiqing;XU Guangyuan;XU Fulong

作者机构：沈阳化工大学计算机科学与技术学院沈阳110142 中国科学院沈阳计算技术研究所沈阳110168 辽宁省国产基础软硬件工控平台技术研究重点实验室沈阳110168 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第1期

页      面：224-229页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：沈阳市中青年科技创新人才支持计划项目(RC200576)资助 国家重点研发计划项目(2017YFE0125300)资助 

主　　题：机器视觉 图像分类 卷积神经网络 CAFI-PE PDCM 

摘      要：随着信息技术的不断发展,机器视觉技术已被广泛应用于智能产线.智能制造生产过程中工件种类多、外观相似性高,而传统分拣方式速度慢、准确率低,已无法满足智能化生产的要求.采用机器视觉技术来解决智能产线中的工件分类问题已成为当前智能制造领域的热点.为提高智能产线中工件分类的效率,本文设计并实现了一种基于ZYNQ平台的图像分类加速器.针对现有的卷积神经网络模型参数量大、难以部署到资源有限的嵌入式平台的问题,提出一种参数量较少、易于在嵌入式平台部署的图像分类网络SortNet;针对卷积神经网络在嵌入式平台速度慢的问题,设计了一种卷积与激活函数同构化的处理单元(CAFI-PE)以及一种基于流水线的数据调用方法(PDCM),提高了卷积计算的速度.实验结果表明,本文提出的图像分类加速器对224×224大小的灰度图像处理速度可达40.98fps,而功耗仅为2.305W,能够满足智能产线对工件分类速度和功耗的要求.