基于FPGA的快速橡胶异物检测方法研究

为解决目前目标检测神经网络算法存在运算量大、占用资源多与实时性等问题,提出了一种基于改进的YOLOv3-tiny算法检测橡胶中异物,并使用现场可编程门阵列(FPGA)进行硬件加速。首先,在网络中采用深度可分离卷积,降低网络参数量;然后在网络中引入卷积注意力机制模块(CBAM),增强检测网络的准确性;最后将DE-YOLOv3-tiny网络移植到FPGA芯片中,使用定制参数位宽和数据流水线设计等优化处理,使其在顺丁橡胶异物检测中达到高效轻量化的效果。实验结果表明,相同条件下,其检测精度为96.7%,网络模型大小仅为9.79 MB,运行功率为7.8 W,单帧检测速度为246 ms,能够满足顺丁橡胶异物检测工程检测需求。