基于异构协同计算的智能垃圾分类系统

本文介绍了一个基于异构协同计算的智能垃圾分类系统，通过16位有符号整数来实现高精度的数据转换。作者包括王智鹏、李文斌和李国勇，来自中国科学院成都计算机应用研究所和中国科学院大学。这个系统使用了FPGA和STM32协同工作，把视频图像传感器采集的1024×768分辨率数据存入SDRAM，然后经过一系列预处理。首先把采集到的图像数据存入FIFO缓存中，随后一路输出至显示终端用于实时监控，另一路进入FPGA进行处理。预处理过程包括去噪、边缘锐化和下采样压缩，最后生成32×32像素的特征图。针对椒盐噪声和高斯噪声等干扰问题，系统采用了中值滤波、Sobel边缘锐化和双线性插值下采样来保证特征图的质量和关键细节不丢失。这样可以将边缘模糊率控制在5%以下。为了满足FPGA计算特性和板载数据通路带宽限制，系统对经典LeNet网络进行裁剪优化。仅保留1个卷积层和2个下采样层，并将全连接层拓展为3层。这样既降低了计算量和参数量，又通过密集连接增强了全局特征整合能力。INT16量化策略把所有网络参数和中间输出统一转换为16位有符号整数。通过引入伸缩变化因子和逐层缩减因子来控制数据范围在[-32768, 32767]之间，并采用错位机制避免溢出风险。实验结果显示系统在4类对比模型中取得了最佳表现，验证准确率为83.33%，延时仅为40ms。利用Kaggle“Garbage Dataset”重构的10类垃圾分类数据集进行了验证，验证损失稳定在0.9左右，准确率上升到70%。FPGA核心逻辑资源如LUT、FF、DSP等利用率都低于45%，CLB利用率达到90%。未来可以在多模态感知融合、低功耗优化以及硬件IP核定制化等方向进行进一步研究来提升系统鲁棒性和能效比。