-
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
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
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
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。
-
-