基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备技术

本发明专利技术涉及一种基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备，上述方法包括如下步骤：通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵；利用低功耗CPU采集各软件的工作状态，计算软件的功耗变化；根据功耗变化，控制用于目标检测的FPGA、高性能CPU开启与关闭；根据总功耗及预设功耗阈值，从算法矩阵中选择合适的算法及临时控制运行中的用于目标跟踪的高性能CPU的关闭。本发明专利技术，能够在保证高效地完成舰船目标检测的基础上，通过动态关闭、开启CPU、FPGA，动态调整检测算法，来确保系统功耗与计算能力的平衡，大大降低了功耗。低了功耗。低了功耗。

【技术实现步骤摘要】
基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备


[0001]本专利技术涉及舰船目标检测
，具体涉及一种基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备。

技术介绍

[0002]随着作战概念与作战体系的不断演变，只有全面快速掌握战场态势，才能快速做出决策形成作战优势。卫星具有全天候、看得远、看的准的特点，通过图像识别技术可以完成对舰船目标的检测与跟踪。但是由于卫星图像数据量大、卫星传输效率低、流转节点多，到达地面的目标检测软件进行检测前已经消耗了大量的时间。由此，为解决目标检测的时效性问题，可以考虑在卫星上进行实时检测、跟踪，鉴于卫星的功耗限制，需要检测设备具有高效、高可靠、低功耗的特点，传统的CPU+GPU的方式已经不能满足这一需求。
[0003]近年来图像检测识别与跟踪技术得到了广泛研究和应用，但在低功耗情况下设备检测准确性、连续跟踪能力仍旧不足；而检测能力提升又会导致功耗的扩大、检测时间延长的问题。

技术实现思路

[0004]鉴于上述技术问题，本专利技术提出一种基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备，具有高可靠性、高效率以及低功耗的优点。
[0005]实现本专利技术目的的技术解决方案为：一种基于异构SOC舰船目标检测跟踪功耗优化方法，包括以下步骤：
[0006]步骤S1、通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵；
[0007]步骤S2、利用低功耗CPU采集各软件的工作状态，计算软件的功耗变化；
[0008]步骤S3、根据功耗变化，控制用于目标检测的FPGA开启与关闭，控制用于目标跟踪的高性能CPU开启与关闭；
[0009]步骤S4、根据总功耗及预设功耗阈值，选择算法模型及临时控制运行中的用于目标跟踪的高性能CPU的关闭。
[0010]根据本专利技术的一个方面，在所述步骤S1中，具体包括：
[0011]步骤S11、在卷积神经网络上，将卷积核定点化转换；
[0012]步骤S12、调整位元精度；
[0013]步骤S13、调整神经网络层级；
[0014]步骤S14、在高性能GPU服务器上训练模型；
[0015]步骤S15、生成IP核，将IP核、模型下载至FPGA进行测试，计算功耗；
[0016]步骤S16、重复执行调步骤S12至步骤S15，构造多个不同功耗的算法模型矩阵。
[0017]根据本专利技术的一个方面，在所述步骤S3中，具体包括：
[0018]步骤S301、判断软件的功耗在一段时间内是否持续小于或等于预设阈值；
[0019]步骤S302、目标检测软件的功耗小于或等于预设阈值时，确定目标检测软件处于
待机状态，控制FPGA关闭；
[0020]步骤S303、目标跟踪软件的功耗小于或等于预设阈值时，确定目标跟踪软件处于待机状态，控制高性能CPU关闭。
[0021]根据本专利技术的一个方面，在所述步骤S4中，根据总功耗及预设功耗阈值，选择算法模型，具体包括：
[0022]步骤S401、实时计算系统的总功耗；
[0023]步骤S402、计算系统的总功耗与多个算法模型的功耗和，根据功耗和与预设功耗阈值，确认最佳的算法模型；
[0024]步骤S403、将步骤S402中确认的算法模型传输至FPGA，进行目标检测。
[0025]根据本专利技术的一个方面，在所述步骤S402中，包括：
[0026]按照功耗和由大到小的关系依次与预设功耗阈值对比，至功耗和小于预设功耗阈值，则确认该功耗和对应的算法模型为最佳的算法模型；
[0027]当最小功耗和大于预设功耗阈值时，则临时控制运行中的高性能CPU的关闭，至目标检测完成后再进行目标跟踪处理。
[0028]根据本专利技术的一个方面，提供了一种电子设备，包括：至少一个低性能CPU、至少一个高性能CPU、至少一个FPGA、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行如上述技术方案中任一项所述的一种基于异构SOC舰船目标检测跟踪功耗优化方法。
[0029]根据本专利技术的一个方面，提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，实现如上述技术方案中任一项所述一种基于异构SOC舰船目标检测跟踪功耗优化方法。
[0030]根据本专利技术的构思，提出一种基于异构SOC舰船目标检测跟踪功耗优化方法、电子设备，在FPGA上运行的高效检测算法，通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵，在根据软件的功耗变化、总功耗及预设功耗阈值，选择检测模型，在保证高效地完成舰船目标检测的基础上，通过动态关闭、开启CPU、FPGA，动态调整检测算法，来确保系统功耗与计算能力的平衡，大大降低了功耗。
[0031]根据本专利技术的一个方面，在卷积神经网络上，将卷积核定点化转换，降低FPGA资源的使用，降低卷积神经网络的精度，降低为半精度，从而导致各网络层的输出减少，使其可以存储在FPGA内部的存储上，有效加速推理时间，解决了在FPGA上浮点数运算能力较弱的问题，设计网络规模、精确度、准确度、功耗多因素决定的算法矩阵问题。
附图说明
[0032]图1示意性表示根据本专利技术一种实施方式的基于异构SOC舰船目标检测跟踪功耗优化方法的流程示意图。
具体实施方式
[0033]为了更清楚地说明本专利技术实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅为本专利技术的一些
实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]下面结合附图和具体实施方式对本专利技术作详细地描述，实施方式不能在此一一赘述，但本专利技术的实施方式并不因此限定于以下实施方式。
[0035]如图1所示，本专利技术的一种基于异构SOC舰船目标检测跟踪功耗优化方法，其特征在于，包括以下步骤：
[0036]步骤S1、通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵；
[0037]步骤S2、利用低功耗CPU采集各软件的工作状态，计算软件的功耗变化；
[0038]步骤S3、根据功耗变化，控制用于目标检测的FPGA开启与关闭，控制用于目标跟踪的高性能CPU开启与关闭；
[0039]步骤S4、根据总功耗及预设功耗阈值，选择算法模型及临时控制运行中的用于目标跟踪的高性能CPU的关闭。
[0040]在该实施例中，在FPGA上运行的高效检测算法，通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵，在根据软件的功耗变化、总功耗及预设功耗阈值，选择检测模型，在保证高效地完成舰船目标检测的基础上，通过动态关闭、开启CPU、FPGA，动态调整检测算法，来确保系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构SOC舰船目标检测跟踪功耗优化方法，其特征在于，包括以下步骤：步骤S1、通过调整位元精度、神经网络层级，构造多个不同功耗的算法模型矩阵；步骤S2、利用低功耗CPU采集各软件的工作状态，计算软件的功耗变化；步骤S3、根据功耗变化，控制用于目标检测的FPGA开启与关闭，控制用于目标跟踪的高性能CPU开启与关闭；步骤S4、根据总功耗及预设功耗阈值，选择算法模型及临时控制运行中的用于目标跟踪的高性能CPU的关闭。2.根据权利要求1所述的方法，其特征在于，在所述步骤S1中，具体包括：步骤S11、在卷积神经网络上，将卷积核定点化转换；步骤S12、调整位元精度；步骤S13、调整神经网络层级；步骤S14、在高性能GPU服务器上训练模型；步骤S15、生成IP核，将IP核、模型下载至FPGA进行测试，计算功耗；步骤S16、重复执行调步骤S12至步骤S15，构造多个不同功耗的算法模型矩阵。3.根据权利要求1所述的方法，其特征在于，在所述步骤S3中，具体包括：步骤S301、判断软件的功耗在一段时间内是否持续小于或等于预设阈值；步骤S302、目标检测软件的功耗小于或等于预设的阈值时，可以确定目标检测软件处于待机状态，则控制FPGA关闭；步骤S303、目标跟踪软件的功耗小于或等于预设的阈值时，可以确定没有进行目标跟踪计算，则控制高性能CPU关闭。4...

【专利技术属性】
技术研发人员：吴学友，王超，高冀，张睿，苏浩，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：