基于CMOS传感器的高性能图像采集系统设计

针对当前图像采集系统体积大、功耗高以及性能差的问题,提出了一种基于高速FPGA、低功耗CMOS图像传感器设计的高性能、小型化、低功耗的图像采集系统设计方案。在硬件设计中,采用FPGA作为主控制器;以MT9P031图像传感器作为图像采集前端;利用DDR2作为图像数据的缓冲器;采用千兆以太网作为图像数据的传输接口。在逻辑设计中,采用分时复用以及各级缓冲,从而实现了高速异步图像数据的读写工作,避免了图像数据的丢失以及堵塞,同时,采用重传的设计思想,降低了图像数据的误码率。经验证,该系统能够长期稳定可靠工作,且性能上有了较大的提高。     

基于PXI接口的远程数据通信卡设计

针对远端采集设备与计算机之间的远距离数据传输问题,实现对采集设备进行测试,提出了利用PXI总线技术,以PCI9054作为"桥接"芯片,高速FPGA为微控制器,结合LVDS远程高速传输技术的设计方案。采用单周期和突发模式相结合的总线访问方式,实现采集设备数据到计算机共享内存的远程高速传输;经测试,PXI通信卡可以快速高效地实现2路LVDS远程数据的接收上传,实现了对采集设备数据的实时监测及测试。     

基于FPGA的图像自适应加权均值滤波设计

针对CMOS图像传感器采集图像过程中的噪声预处理问题,提出一种在FPGA中实现的可配置的自适应加权均值滤波模块设计方案。该模块通过检测滤波窗口内不同方向的方差来确定纹理方向,从而自动生成相应的加权系数,可以对宽度不超过4 094像素的图像进行流水线式的加权均值滤波处理,达到去噪保边的目的。最后经过实验验证,当图像宽度为2 048时,输入输出延时仅为42.04μs,满足实时性要求,且滤波后的图像噪点明显减少,纹理边缘毛刺消失,能较好地改善图像质量。     

基于高速图像数据Flash存储阵列无效块管理

针对高速图像数据FPGA大容量存储的需求,提出了两种基于高速并行化Flash大容量数据存储结构的无效块管理策略,并对比了在不同应用环境下,基于超级块地址映射的无效块管理及基于位索引的无效块管理的优缺点,列出了两种方式的数据无效块列表资源占用情况和存储容量损耗.通过多个工程项目的验证,这两种无效快管理策略各有所长,满足高速并行化存储Flash阵列的不同应用环境.     

某测量装置大容量可充电电源模块设计

大容量可充电电源模块是某测量装置的重要组成部分,并为测量装置在测试过程中的其它各功能模块提供相应的电源。针对某测试需求中测试工作时间长,工作环境恶劣,温度变化范围大的特点,设计了一种基于铅酸电池的双备份电源供电模块,其采用了达林顿管式充电电路给可充电铅酸电池充电,通过可调低压差电源转换芯片输出测量系统所需的各种电压。同时,为提高系统的可靠性,利用二极管的单向导电性实现双备份设计。该电源模块可在-45℃~60℃环境下以3A电流输出正常工作5h,满足测量装置试验需求     

面向仪用总线的实时Sunday数据帧提取算法设计

在各类仪用总线网络通信过程中，系统往往需要在应用层上对接收的高速数据流进行实时处理。而如何对连续的数据流进行数据帧数据提取是讨论的主要问题。对此，分析了常见仪用总线的协议处理方法，并设计了一套帧提取算法，算法包含帧提取状态机、改进的Sunday帧头匹配算法以及帧内子域查找算法。然后本文采用直接发送、经由TCP网络发送两种环境对算法进行测试，实验证明本算法性能优于Netty框架下的帧长度域解码。最后，本文为了实际测试和应用算法，使用该算法对64通道，100 kS/s模拟量采集卡进行数据帧的实时提取和存储，并对采集的模拟量进行波形显示。本算法可用于仪用总线应用层的数据分隔、帧头识别、帧数据提取工作。     

基于CBE-YOLOv5的钢材表面缺陷检测方法

针对钢材表面缺陷种类多，背景干扰强且尺度变化多样导致的检测效率低、精度差的问题，提出了一种钢材表面缺陷检测算法CBE YOLOv5。在YOLOv5算法基础上进行改进，通过主干采用坐标注意力机制，加强对目标的关注，提高特征提取能力；用BiFPN作为特征提取网络，给出有效的特征对应权重，以充分融合不同尺度的特征，并通过EIOU来计算模型损失，使模型能更精确的回归。在公开数据集NEU DET上的实验结果表明，CBE YOLOv5算法mAP为755%，较YOLOv5提高了38%，检测速度也高于一些常见的目标检测算法，能够更准确、更快速地检测到钢材表面的缺陷。     

激光条纹亚像素中心精确提取方法

利用激光三角法对工件进行三维测量时，激光条纹中心位置的提取是实现高精度测量的重要因素之一。为了能够更好地取投射在工件形状突变处的激光条纹信息，通过改进最大类间方差法在激光条纹图像中选取多阈值以实现二值化分割。所提算法基于最小二乘法获取激光条纹骨架上的法向，避免了大量卷积计算，从而提高运行速度，最后在其法向上利用灰度重心法得到激光条纹中心的亚像素坐标点。实验结果表明：该算法在激光条纹中心提取过程中，相较于经典的Steger算法，在运行速度上提高近6倍，分辨率上提高近16%,在工业上适用于在线精确测量。     

基于二阶梯度的暗通道先验盲图像去模糊

盲图像去模糊的目的是通过迭代在模糊核未知的情况下，从模糊图像中恢复出清晰图像。当真实图像具有较少的暗像素时，暗通道先验算法不能产生令人满意的结果。实验中发现，二阶梯度(海森矩阵)中元素的绝对值随着图像逐渐模糊而减小。利用这一特点，提出一种基于L1正则化二阶梯度的暗通道先验盲图像去模糊算法模型。首先，展示了算法相关的理论证明，通过实验说明海森矩阵在保留边缘细节以及图像细节方面的可行性，其次在暗通道去模糊模型的基础上，引入二阶梯度项并施以L1范数约束。然后采用半二次分裂策略来解决该非凸优化问题，最后，使用快速傅里叶变换求得最终的清晰图像和模糊核。实验结果表明，该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影，并且在合成图像和自然图像上都比现有的图像去模糊方法鲁棒性更强，并且性能良好。在自然图像数据集中SSIM值平均提高了10%以上。