基于FPGA的快速带钢表面缺陷检测系统设计

目前基于卷积神经网络的一系列相关应用已经在多平台实现，如CPU与GPU等，大部分都是以牺牲能耗为代价来换取高性能。因此，如何以低能耗的研究方法来实现深度学习成为一个新的热点方向。为使带钢表面缺陷检测系统满足实时检测的要求，提出以VGG19作为主干网络，完成FPGA对带钢表面进行快速检测与识别系统的设计。本系统基于 Zynq-7000 平台进行软硬协同设计(1)在PL端通过加速数据流设计对于卷积进行并行化的设计，实现硬件加速，并且在PL端用高级语言对于整个网络进行调度，控制与使用PL端加速的各个IP核。(2)通过定点数据量化的方式，在数据精度几乎损失很少的情况下，大大减少了FPGA片上资源的使用，从而实现算法的加速。最终实验结果表明，本算法与CPU相比，速度提升了6倍，CPU平台与FPGA平台功耗比为12.6，GPU平台与FPGA平台功耗比为38.2，更适合嵌入式平台上的应用。