农业机械学报

作者：余永维，陈天皓，杜柳青，方荣

单位：重庆理工大学,重庆理工大学,重庆理工大学,重庆理工大学,

关键词：目标检测;FPGA;动态定点量化;Winograd算法

基金：国家自然科学基金项目（52375083）、重庆英才计划项目（CQYC20220207232/cstc2024ycjh-bgzxm0052）、重庆教委科研重大项目（KJZD-M202401101）、重庆自然科学基金项目(cstc2021jcyj-msxmX0372)和重庆技术创新与应用项目（CSTB2022TIAD-CUX0017）

在农业机械自动装配产线上，其嵌入式控制平台片上资源极其有限，而基于卷积神经网络的深度学习检测系统参数量过大，难以直接移植于嵌入式平台，为此，本文提出一种基于改进ResNet18-SSD(Single shot multi-box detector)和现场可编程门阵列（Field programmable gate array，FPGA）加速引擎的深度学习实时检测方法。为了降低参数量的同时提高检测模型准确性，提出基于ResNet18-SSD的深度学习快速检测模型，利用优化改进后的ResNet18网络替换SSD模型的VGG16前置网络，引入多分支同构结构和非对称并行残差结构，使其能适应遮挡、光线昏暗等复杂场景；在满足检测精度需求的情况下，采用动态定点量化的方式，对模型数据量进行缩减，以提高检测模型执行效率。针对改进ResNet18-SSD模型中消耗资源严重的卷积层，提出一种基于Winograd算法的FPGA加速引擎，提高模型检测实时性，通过软硬件协同设计，从硬件加速器与软件网络轻量化两个角度进行联合优化，实现轻量化、加速性能及复杂场景下准确性三者之间的平衡。在Xilinx FPGA嵌入式平台的实验结果表明，本文方法检测准确率达到93.5%，当工作频率为100MHz时，单幅图像检测时间为80.232ms，满足实时性需求。

来源：2025年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第5期