|本期目录/Table of Contents|

[1]赵 鑫,孟令军,刘威宏.基于Zynq平台的垃圾分类系统实现[J].工业仪表与自动化装置,2022,(05):26-31+96.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.005]
 ZHAO Xin,MENG Lingjun,LIU Weihong.Implementation of waste sorting system based on Zynq platform[J].Industrial Instrumentation & Automation,2022,(05):26-31+96.[doi:10.19950/j.cnki.cn61-1121/th.2022.05.005]
点击复制

基于Zynq平台的垃圾分类系统实现

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2022年05期
页码:
26-31+96
栏目:
出版日期:
2022-10-15

文章信息/Info

Title:
Implementation of waste sorting system based on Zynq platform
文章编号:
1000-0682(2022)05-0000-00
作者:
赵 鑫孟令军刘威宏
中北大学 省部共建动态测试技术国家重点实验室, 山西 太原 030051
Author(s):
ZHAO Xin MENG Lingjun LIU Weihong
Key Laboratory of Instrumentation Science and Dynamic Measurement,Ministry of Education, North University of China ,Shanxi Taiyuan 030051, China;
关键词:
MobileNet_v2Zynq7020硬件加速IP核垃圾分类HLS
Keywords:
MobileNet_v2Zynq7020 hardware accelerated IP coregarbage sortingHLS
分类号:
TP391.4
DOI:
10.19950/j.cnki.cn61-1121/th.2022.05.005
文献标志码:
A
摘要:
为了解决GPU上进行硬件加速所导致的功耗较大、成本偏高的问题,设计了一套可部署在嵌入式设备中的基于轻量级神经网络MobileNet_v2的垃圾分类系统。该系统将加速的MobileNet_v2网络部署在Zynq7020开发板上,利用HLS工具设计MobileNet_v2网络硬件加速IP核,PS端实现对ov5640摄像头采集并显示图像类别。经过实际测试,该系统可以实现每幅图76ms的推理速度,能耗比也比其他平台有了一定的提升,能够较好地满足部署在嵌入式设备的需求。
Abstract:
In order to solve the problems of high power consumption and high cost caused by hardware acceleration on GPU, a lightweight neural network MobileNet_v2 based garbage sorting system that can be deployed in embedded devices is designed. The system deploys the accelerated MobileNet_v2 network on a Zynq7020 development board, uses HLS tools to design the MobileNet_v2 network hardware acceleration IP core, and implements the PS side to the ov5640 camera to capture and display image categories. After actual testing, the system can achieve an inference speed of 76ms per image, and the energy consumption ratio has been improved over other platforms, which can better meet the needs of deployment in embedded devices.

参考文献/References:

[1]赵珊,刘子路,郑爱玲,等. 基于MobileNetV2和IFPN改进的SSD垃圾实时分类检测[J]. 计算机应用:1-9.

[2]陈智超,焦海宁,杨杰,等.基于改进MobileNet v2的垃圾图像分类算法[J]. 浙江大学学报(工学版),2021,55(08):1490-1499.
[3]卫建华,刘润利,许佳豪,等.基于PYNQ框架的人体目标跟踪系统[J]. 国外电子测量技术,2021,40(12):89-95.
[4]陈禹,谷文成,渠吉庆,等.基于PYNQ的图像分类识别技术研究与实现[J].计算机技术与发展,2021,31(12):73-77.
[5]曹阳.基于机器视觉的铝材表面缺陷检测研究[D].西安:陕西科技大学,2021.
[6]梅书枰.基于MobileNetV3公共垃圾分类系统[D].武汉:武汉纺织大学,2020.
[7]李延璐.气体检测红外成像仪[D].哈尔滨:哈尔滨工业大学,2020.
[8]方青云,王兆魁.基于改进YOLOv3网络的遥感目标快速检测方法[J].上海航天,2019,36(05):21-27+34.
[9]彭鑫磊,余乐.基于高层次综合的卷积神经网络设计与优化方法研究[J].微电子学与计算机,2019,36(08):63-67.
[10]孙杰.基于深度学习的图像主方向估计与特征学习[D].合肥:中国科学技术大学,2018.
[11]张雲轲.基于深度学习的车辆检测算法研究及系统实现[D].成都:电子科技大学,2018.
[12]张雲轲,刘丹.基于小型Zynq SoC硬件加速的改进TINY YOLO实时车辆检测算法实现[J].计算机应用,2019,39(01):192-198.
[13]周滢慜.基于机器视觉的生活垃圾智能分拣系统的设计与实现[D].哈尔滨:哈尔滨工业大学,2018.
[14] 简毅,柳建,徐灵飞,等.嵌入式边缘检测算法的HLS加速实现[J].电子设计工程,2020(22):132-135.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期:2022-06-14

作者简介:
赵鑫(1995),男,山西省长治市人,硕士研究生,研究方向为人工智能、硬件加速。

通信作者:
孟令军(1969),男,博士研究生,副教授,研究方向为集成测量系统与仪器、数字图像处理技术。
更新日期/Last Update: 1900-01-01