【技术实现步骤摘要】
本专利技术涉及精密光机电，尤其涉及一种基于国产芯片的目标快速检测系统及方法。
技术介绍
1、目前，卷积神经网络作为一种端到端的目标特征提取器，被广泛应用到诸如图像分类等计算机视觉的各个领域，但卷积神经网络计算量大、时间复杂度高、存储密集且功耗较大，而星载或机载设备的嵌入式计算资源有限、实时性要求高且需要控制能源使用，很难实现卷积神经网络算法落地。
2、另一方面，由于功能、性能、质量、研制进度等因素，我国的星载智能处理设备中仍采用了部分国外技术及进口元器件，目前在使用过程中存在以下问题：(1)产品保障困难；(2)存在安全隐患；(3)质量风险不可控。
3、为了在星载或机载端实现图像的实时处理，需要结合星载或机载计算资源的特点，设计运算复杂度低的网络结构。
4、在图像处理领域中，功耗较低的二值化神经网络更适用于小型化、嵌入式等功耗要求较高的应用，传统的深度学习网络需要在gpu等高性能计算平台上运行，对计算资源和能耗要求较高，难以应用于嵌入式系统中，而二值化神经网络在保证分类准确率的同时，大幅度减少了计算量和存储量，使得它可以在嵌入式设备上运行。
技术实现思路
1、为了在嵌入式智能处理设备实现遥感图像快速目标检测，本专利技术提供了一种基于国产芯片的目标快速检测系统及方法。
2、第一方面，本专利技术提供一种基于国产芯片的目标快速检测系统，其特征在于，包括：国产智能处理模块、电源控制模块和数据接口模块；
3、所述国产智能处理模块采用国
4、所述电源控制模块，用于完成一次电源接入并进行电源变换，为设备内部模块提供二次电源；
5、所述数据接口模块，用于接收相机拍摄的遥感图像，并传输处理结果，接口控制模块fpga采用复旦微电子jfm7k325，实现数据的收发，与cpu模块可通过低速以太网或者高速pcie接口通信
6、可选的，所述数据接口控制模块fpga采用国产复旦微电子jfm7k325，与cpu通过低速以太网或者高速pcie接口进行通信。
7、第二方面，本专利技术提出一种基于上述权利要求1和2的目标快速检测方法，包括：
8、数据接口模块接收相机拍摄的遥感图像，并传输至atlas200智能处理模块；
9、在atlas200智能处理模块的cpu对接收的遥感图像进行帧同步，得到完整的侦察图像；
10、将侦查图像进行归一化处理，得到归一化后的图像；
11、将归一化后的图像按照一定的重合比例进行分割，得到图像切片；
12、将图像切片依次发送到atlas200智能处理模块的npu，通过二值化神经网络进行目标识别，得到目标信息；
13、将目标信息发送给数据接口模块，完成目标信息下传。
14、可选的，所述归一化处理，是将原始遥感图像进行均值方差归一化处理，计算方式如下：
15、p(x,y)＝i(x,y)-μ/σ
16、
17、
18、其中，p(x,y)为归一化后的图像，i(x,y)为原始图像，μ为原始图像的均值，σ为原始图像的标准差，w，h分别为图像的宽和高。
19、可选的，所述的重合比例根据待检测的目标尺寸确定，计算方式如下：
20、重合长度最小值为lc＝l/r
21、重合比例为pr＝lc/lq
22、其中，l为待检测的最大目标长度，r为遥感图像的分辨率，lq为切片的长和宽且lq>lc。
23、可选的，所述二值化神经网络采用resnet18作为基准网络，resnet18网络包含17层卷积层和1层全连接层，残差单元采用basicblock模块，激活函数采用hardtanh，卷积选择全二值卷积binarizeconv。
24、本专利技术方案有益效果如下：
25、(1)基于国产npu和fpga构建硬件处理系统，实现硬件系统的全国产化，可在星载平台、机载平台、舰载等平台部署，提升安全性和可靠性；
26、(2)采用二值神经网络进行目标快速检测识别，速度快，计算资源要求低，便于在国产化芯片部署。
27、应当理解，上述
技术实现思路
部分中所描述的内容并非旨在限定本专利技术的实施例的关键或重要特征，亦非用于限制本专利技术的范围。本专利技术的其它特征将通过以下的描述变得容易理解。
【技术保护点】
1.一种基于国产芯片的目标快速检测系统，其特征在于，包括：国产智能处理模块、电源控制模块和数据接口模块；
2.根据权利要求1所述的基于国产芯片的目标快速检测系统，其特征在于，所述数据接口控制模块FPGA采用国产复旦微电子JFM7K325，与CPU通过低速以太网或者高速PCIe接口进行通信。
3.一种基于上述权利要求1和2的目标快速检测方法，其特征在于，包括：
4.根据权利要求3所述的目标快速检测，其特征在于，所述归一化处理，是将原始遥感图像进行均值方差归一化处理，计算方式如下：
5.根据权利要求3所述的目标快速检测，其特征在于，所述的重合比例根据待检测的目标尺寸确定，计算方式如下：
6.根据权利要求3所述的目标快速检测，其特征在于，所述二值化神经网络采用Resnet18作为基准网络，Resnet18网络包含17层卷积层和1层全连接层，残差单元采用BasicBlock模块，激活函数采用hardTanh，卷积选择全二值卷积BinarizeConv。
【技术特征摘要】
1.一种基于国产芯片的目标快速检测系统，其特征在于，包括：国产智能处理模块、电源控制模块和数据接口模块；
2.根据权利要求1所述的基于国产芯片的目标快速检测系统，其特征在于，所述数据接口控制模块fpga采用国产复旦微电子jfm7k325，与cpu通过低速以太网或者高速pcie接口进行通信。
3.一种基于上述权利要求1和2的目标快速检测方法，其特征在于，包括：
4.根据权利要求3所述的目标快速检测，其特征在于，所述归一化...
【专利技术属性】
技术研发人员：王允森，王皓轩，马承志，曹养闯，崔伟光，伊鹏翔，康洋，
申请(专利权)人：山东航天电子技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。