公开(公告)号：CN115546529A

公开(公告)日：2022-12-30

申请号：CN202210752137.7

申请日：2022-06-29

Applicant: 福州大学

Inventor： 林瑞全 ,  方子卿 ,  孙小坚 ,  王俊 ,  徐浩东

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于FPGA的药片残次品实时分类系统，包括图像采集模块、FPGA和结果显示模块；所述FPGA包括输入图片处理模块、DDR和硬件加速模块；所述图像采集模块包括高速相机、FMC和显示屏；所述图像采集模块获取药片的表面图像，通过FMC子卡送入FPGA中，并缓存至片外DDR；所述输入图像处理模块从DDR中读入图片数据并进行裁剪与量化处理，处理好的输入图片数据存入片内存储器；所述硬件加速模块预部署有MobileNetV2的网络结构，网络权重提前训练好并按照硬件需要的读写顺序导入片内存储器中，当检测到输入图片加载完毕，硬件加速部分开始前向推理加速，并将最终分类结果传至结果显示模块进行显示。本发明有效提高提升药片分类的速度，极大的提高了分类器的实时性。

公开(公告)号：CN114925780B

公开(公告)日：2025-03-11

申请号：CN202210679183.9

申请日：2022-06-16

Applicant: 福州大学

Inventor： 林瑞全 ,  孙小坚 ,  方子卿 ,  王俊 ,  王锐亮

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于FPGA的轻量级CNN分类器的优化提速方法，包括以下步骤：1）在PC端上利用搭建好的轻量级CNN网络，通过用于图像分类的数据集进行训练，获得多次训练分类效果最好的网络模型；同时在FPGA硬件端对PC端导出的模型架构进行设计；2）对训练好的网络模型进行量化感知训练，将32位浮点数模型参数保存为8位定点整数，同时在FPGA硬件端对轻量级CNN网络完整的架构实现；3）将量化感知训练后的权重，根据设计好的并行度按照硬件需要的读写顺序写成coe文件格式，导入到FPGA的片内存储中，轻量级CNN分类器即可读取输入图片数据实现分类推理。该方法有利于提高分类器的实时性。

公开(公告)号：CN114925780A

公开(公告)日：2022-08-19

申请号：CN202210679183.9

申请日：2022-06-16

Applicant: 福州大学

Inventor： 林瑞全 ,  孙小坚 ,  方子卿 ,  王俊 ,  王锐亮

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于FPGA的轻量级CNN分类器的优化提速方法，包括以下步骤：1）在PC端上利用搭建好的轻量级CNN网络，通过用于图像分类的数据集进行训练，获得多次训练分类效果最好的网络模型；同时在FPGA硬件端对PC端导出的模型架构进行设计；2）对训练好的网络模型进行量化感知训练，将32位浮点数模型参数保存为8位定点整数，同时在FPGA硬件端对轻量级CNN网络完整的架构实现；3）将量化感知训练后的权重，根据设计好的并行度按照硬件需要的读写顺序写成coe文件格式，导入到FPGA的片内存储中，轻量级CNN分类器即可读取输入图片数据实现分类推理。该方法有利于提高分类器的实时性。