基于DSP+FPGA的圖像識別分類器在垃圾分類中的應用

譚學林

摘 要：目前在環保行業生產中面臨著多種原料的識別和分類難題，部分原料可以無公害焚燒，部分原料禁止焚燒。目前現狀是，在原料的識別和分類上，嚴重依賴人工，在分類的結果上存在正確率不夠，效率不高的情況。依賴人工還導致有毒有害原料對員工健康的損害，以及識別錯誤帶來的人身安全、設備損壞的生產安全責任事故等。為此采用一種基于人工智能算法的圖像識別分類器，對環保工業中的原料進行識別分類，是一種非常有意義的嘗試。

關鍵詞：DSP;FPGA;垃圾分類;環保工業;圖像識別;目標分類

0 引言

在現有的環保工業中，垃圾分類嚴重依賴人工，且原料分類簡單粗暴，主要分為金屬、塑料、可燃燒、禁止燃燒和有害垃圾。不僅垃圾回收和焚燒企業對垃圾處理不及時導致的堆放、存儲非常頭疼，而導致城市垃圾不得不大量采用填埋、堆放、隨意焚燒等措施。有害垃圾跨省運輸填埋、隨意丟棄焚燒、偷排投放垃圾損害居民健康的新聞屢見報端。為此，在固體垃圾分類環節中設想這樣一個場景：傳送帶上的原料多種多樣，大小、形狀、體積、重量等特征各不相同，使用攝像頭、稱重器、X射線、紅外、金屬探測器、激光測量等方式采集原料的多種特征，由識別分類器實時完成對原料的識別和分類，并控制執行機構將原料分類至對應的存儲區。其中視頻采集的信息最多，使用神經網絡算法的圖像識別分類器將大展拳腳，對圖像中目標實現精準識別和分類。

1 硬件設計

本文以DSP和FPGA為核心器件，DSP是單核主頻高達1 GHZ的8核處理器，擁有多級緩存，運算能力高達128 Gflops，而選用的FPGA具有多路單線28 Gb/s高速接口，高達3 600個DSP核，可進行時鐘頻率高達250 MHz的浮點運算。該目標識別板的硬件原理示意圖如下圖1所示，DSP與FPGA之間采用4xSRIO高速通信。DSP為主處理器，負責復雜的公式計算和圖像預處理;FPGA為從處理器，負責外部接口通信，神經網絡卷積加速和部分AI算法實現。

2 軟件設計

該分類器軟件包含上位機軟件、DSP軟件和FPGA軟件，上位機軟件控制DSP軟件加載模板匹配、CNN神經網絡、YOLOV3等AI算法，并由DSP預處理圖像后，發送給FPGA軟件實時進行神經網絡加速運算，并將結果實時傳送給顯示器，同時控制執行機構完成動作，目標識別板的軟件流程圖如圖2所示。

2.1 DSP軟件設計

DSP軟件具備多種AI算法實現，選定算法后，配置FPGA。接收FPGA傳遞的圖像完成預處理，預處理結果發送給FPGA，啟動FPGA完成卷積加速算法，由FPGA計算輸出相應的識別分類結果并輸出到視頻接口，同時控制執行機構完成相應分揀分類。

2.2 FPGA軟件設計

FPGA實現AI算法中的卷積層加速的同時，還完成接口匹配、數據采集和傳輸、數據重排、邏輯運算和流水線控制等功能。在卷積層加速的設計中，FPGA使用2 648個DSP完成對輸入圖像最大1 024*1 024像素點的卷積層加速運算。

2.3 上位機軟件設計

上位機軟件采用QT編寫，安裝在linux或windows中，通過網絡、串口或PCIE控制分類器實現實時圖像識別和分類，同時顯示識別分類結果。

3 結語

本設計主要針對環保工業中目標物體識別分類的痛點，提出一種基于DSP+FPGA的實時圖像識別和分類器的設計實現，是切實可行且具有廣闊應用前景的思路和方法。針對特定場景進行優化，還將進一步提高可用性和可靠性。如今人工智能如火如荼，神經網絡算法廣為流行，將這種新技術引入環保工業和垃圾分類中，必將給環保工業帶來效率和利潤的極大提升。同時，圖像識別分類器在安檢、交通、視頻情報分析、工業機器視覺等行業應用，將有更加廣闊的前景。

參考文獻：

[1]何賓，張艷輝.Xilinx Zynq-7000嵌入式系統設計與實現[M].電子工業出版社，2016.