摘要
机器视觉是人工智能与现代工业应用结合的结果,通过机器视觉将目标物品转换成具有特定含义的数字信号,进而根据信号的信息测试目标物品并控制现场设备的动作,实现使用机器代替人的目标.文中设计了一种基于FPGA的SOC软硬件结合的系统,解决了以卷积神经网络为基础的机器学习算法在实际工业应用的具体问题.该系统在FPGA内部例化了双核MicroBlaze处理器,集成了DLA(deep learning accelerator)卷积神经网络硬件算法核心,能够实时高速采集图像和实时分析处理;同时还设计了一套软件系统,帮助算法工程师实现自己的网络模型.针对复杂多变的现场应用,设计了一套支持网络动态加载的系统环境,提高了在机器视觉领域的适用性,尤其适用于以卷积神经网络为基础的工业自动化领域,如机器视觉检测、结构光扫描测量、机器人引导等.实验结果表明,系统在充分发挥FPGA计算速度优势的同时,简化了应用工程师的设计过程,有效降低了实际应用的实施难度.
国家科技期刊平台
NSTL
维普
万方数据