基于Hi3559A的后厨工装识别及其实现.pdfVIP

摘要

在目标检测领域中人工智能具有十分优异的性能。但是算法的部署还面临着比较大的问

题。首先，深度学习网络性能的提升往往依托于服务器的庞大算力，难以在嵌入式设备上运

行，限制了算法的应用场景。其次，云端部署方案需要传输大量的数据，时延高且占用本地

带宽，提高了系统的使用成本。

针对以上存在的问题，本工作提出了一套可在嵌入式设备上部署与推断的工装识别解决

方案，本课题主要研究内容如下：

1、本工作对相关原理知识与方案可行性进行了理论分析，确定了数据的处理流程，系统

的基本结构，对比了多种可行性方案的优缺点。

2、本工作基于硬件平台设计理念完成对网络的优化，采用Youonlylookonce(YOLO)作

为基准网络模型，通过引入流水线处理架构，使用模型切分、数据量化、环形缓存、并行筛

选等一系列加速手段，将网络的推理速度提高了2.5倍。

3、本工作设计了一套以海思Hi3559A作为主处理器的嵌入式主控系统，通过对系统逻辑

的设计、多核部署方案的优化、视频编解码方案的选择以及通信协议的制定，成功地将工装

识别算法运行在嵌入式设备上。

4、本工作设计了一套计算机端的检测控制台，实现对设备的管理与网络识别结果的显示，

实时地监控系统的工作状态。

经过测试，使用本文的方案，可以在Hi3559A处理器上将后厨工装识别速度提高到每秒

28帧，同时功耗仅为5.5W。在保证网络模型一定复杂度的同时大幅度提高算法的实时性。

关键词：嵌入式推理、边缘智能、Hi3559、工装识别、嵌入式

ABSTRACT

Artificialintelligencehasgoodperformanceinthefieldoftargetdetection.However,thereare

twomajordifficultiesingettingthealgorithmsofftheground.Firstly,theperformance

improvementofdeeplearningnetworksisusuallydependentonthehugecomputingpowerofthe

server,whichmakesitdifficultforthemodeltorunonedgesideandembeddeddevices,greatly

limitingtheapplicationscenariosandtheusagecostofthealgorithm.Secondly,cloudsolutions

needstotransmitalargeamountofdata.Thisschemehashightimedelayandtakesuplocal

bandwidth,whichincreasethecostofthesystem.

Toaddressaboveproblems,weproposeaworkwearidentificationsolutionwhichcanbe

deployedandinferredonembeddeddevices,Themainworksofthisresearchareasfollows.

1.Theprojectcarriedonthetheoreticalanalysisoftherelevantknowledgeandthefeasibility

ofthesolution,identifiedthedatahandlingprocess,andthebasicstructureofthesystem.Wealso

comparedtheadvantagesanddisadvantagesofvariousfeasiblesolut