|
|||||
|
|
| 基于并行处理技术的谷物粒型快速测量算法 | |
| 引用本文： | 蒋 霓,段凌凤,杨万能,刘 谦.基于并行处理技术的谷物粒型快速测量算法[J].光电工程,2012,39(3):66-71. |
| 作者姓名： | 蒋 霓 段凌凤 杨万能 刘 谦 |
| 作者单位： | 蒋 霓:武汉光电国家实验室(筹)—华中科技大学 Britton Chance 生物医学光子学研究中心，武汉 430074华中科技大学 生命科学与技术学院生物医学光子学教育部重点实验室，武汉 430074 段凌凤:武汉光电国家实验室(筹)—华中科技大学 Britton Chance 生物医学光子学研究中心，武汉 430074华中科技大学 生命科学与技术学院生物医学光子学教育部重点实验室，武汉 430074 杨万能:武汉光电国家实验室(筹)—华中科技大学 Britton Chance 生物医学光子学研究中心，武汉 430074华中科技大学 生命科学与技术学院生物医学光子学教育部重点实验室，武汉 430074 刘 谦:武汉光电国家实验室(筹)—华中科技大学 Britton Chance 生物医学光子学研究中心，武汉 430074华中科技大学 生命科学与技术学院生物医学光子学教育部重点实验室，武汉 430074 |
| 基金项目： | 湖北省国家自然科学基金重点项目资助(2008CDA087) |
| 摘 要： | 谷物粒型是决定谷粒品质和产量的重要参数之一。传统人工测量粒型的方法耗时、工作量大、主观性强。本文首先介绍一种基于线阵列采集技术和工业输送技术的谷物粒型自动测量系统。为提高系统测量效率,文章中应用了图形处理器(GPU)并行处理技术,在统一计算设备架构(CUDA)下对测量算法进行优化。实验结果表明,基于GPU的并行加速算法,能有效提高测量效率,当图像中谷粒数近2000颗时,优化后的算法速度为中央处理器(CPU)下算法运行速度的400多倍,且随着采集图像中谷粒数的增多,优化测量算法的加速效果更显著。 |
| 关 键 词： | 谷物粒型 图形处理器 并行处理技术 加速算法 |
| 收稿时间： | 2011/10/9 |
Fast Grain Shape Determination Algorithm Based on Parallel Processing |
|
| JIANG Ni,DUAN Ling-feng,YANG Wan-neng,LIU Qian.Fast Grain Shape Determination Algorithm Based on Parallel Processing[J].Opto-Electronic Engineering,2012,39(3):66-71. | |
| Authors: | JIANG Ni DUAN Ling-feng YANG Wan-neng LIU Qian |
| Affiliation: | 1,2(1.Brittion Chance Center for Biomedical Photonics,Wuhan National Laboratory for Optoelectronics-Huazhong University of Science and Technology,Wuhan 430074,China; 2.Key Laboratory of Biomedical Photonics of Ministry of Education;College of Life Science and Technology, Huazhong University of Science and Technology,Wuhan 430074,China) |
| Abstract: | Grain shape is an important feature, which determines the grain quality and yield. Traditional manual determination of grain shape is time-consuming, laborious and subjective. A system for automatically determining the grain shape is presented based on a line-scan camera and a coveyor belt. In order to improve the grain shape determination efficiency, parallel processing technique based on Graphics Processing Unit (GPU) is used. On the basis of Compute Unified Device Architecture (CUDA), the grain shape determination algorithm is optimized. The experiment result shows that the GPU-based accelerated algorithm can achieve a good effect on the measurement efficiency. When the number of grain in an image is approximately 2 000, the optimized algorithm gets a speedup of more than 400 times. Moreover, as the quantity of kernels in the images gets larger, the performance of the grain shape determination algorithm is improved more significantly. |
| Keywords: | grain shape graphics processing unit parallel processing acceleration algorithm |
| 本文献已被 CNKI 等数据库收录！ | |