基于ARM+FPGA的大米外观检测系统研究.pdfVIP

摘要

在我国农业生产中，水稻是重要的粮食作物。目前我国农业正处于由高产量生

产向高质量发展的关键时期，市场对粮机设备和稻谷加工生产线的智能化程度的要

求也越来越高，而智能化系统的检查部分，即大米加工品质的检测至关重要，稻谷

加工生产线的智能化水平的提高，高度依赖于大米加工品质的检测。传统的大米外

观检测是基于PC机来实现的，这种检测方式不仅耗能高，成本高，并且体积大，难

以推广使用。

针对传统大米外观检测方法高耗能，高成本，体积大的缺点，本课题采用嵌入

式的方式来设计该系统。考虑到数据的实时处理速度和任务复杂度，决定采用

ARM+FPGA的异构计算平台ZYNQ来完成该系统的设计。首先，对大米外观检测系

统进行了整体设计，并对各个部分设备进行选型。为了能够兼顾识别精度和速度，

并且考虑到ZYNQ平台的硬件资源情况，对多种深度学习算法进行分析比较，最终

选择YOLOv4-tiny算法。为了进一步提高大米检测精度，采用了Mish激活函数和

EIOU损失函数两个方面对YOLOv4-tiny算法进行改进。最后与YOLOv4-tiny进行

比较，结果显示本文提出的改进YOLOv4-tiny算法的识别精度有明显的提高。

改进后的YOLOv4-tiny算法要部署到ZYNQ开发板中，考虑到开发板的计算能

力有限，采取了全定点量化推理方案，将算法模型和权重参数从32位浮点型运算转

换为16位定点运算。将批归一化层和卷积层相融合，对BN算法进行优化，进一步

减少硬件资源的消耗。紧接着对数据的多通道输入输出进行设计，提升了数据传输

的效率。最后利用VitisHLS高级综合工具对硬件加速系统进行设计优化，并生成相

应的IP核，在Vivado中与其他的IP核进行连接，构成一个完整的硬件系统。将硬

件系统文件生成比特流并导出到硬件平台，对其进行软件设计。

为了能够获取清晰的大米图片，本文基于Linux嵌入式开发环境设计图像采集

系统。首先对Linux内核和驱动文件进行配置和改写，紧着对应用程序进行开发，

并且对图像采集效果进行验证。最后将硬件加速系统和图像采集系统的软件进行整

合，移植到Linux平台上。通过对照实验结果，本文设计的大米外观检测系统具有

识别准确率高的优点，满足现场生产的需求。

关键词：大米外观检测；YOLO；ZYNQ；深度学习

I

ABSTRACT

InChinasagriculturalproduction，riceisthemostimportantfoodcrop．Atpresent，

Chinasagricultureisinacriticalperiodofdevelopmentfromhighyieldtohighquality，

themarketdemandforgrainmachineequipmentandthedegreeofintelligenceoftherice

processingproductionlineisalsohigherandhigher，andtheinspectionpartofthe

intelligentsystem，thedetectionofthequalityofriceprocessingiscrucial，andthe

improvementoftheintelligentlevelofthericeprocessingproductionlineishighly

dependentonthedetectionofthequalityofriceprocessing.Thetraditionalriceinspection

isrealizedbasedonPC，whichisnotonlye