基于FPGA的资源回收结算方法及系统技术方案

本发明专利技术公开基于FPGA的资源回收结算方法及系统，涉及FPGA应用技术领域；本发明专利技术方法利用FPGA强大的并行运算、存储转发能力，加速神经网络的深度学习推理过程，高速、准确识别特定资源，实现分类，内部集成Cortex

【技术实现步骤摘要】
基于FPGA的资源回收结算方法及系统


[0001]本专利技术公开方法及系统，涉及FPGA应用
，具体地说是基于FPGA的资源回收结算方法及系统。

技术介绍

[0002]生活垃圾分类，可再生资源需要回收重复利用，但是根据实际推广情况来看，仍有实际操作不方便等情况，目前还没有相关的合理方法或工具能够有效提高对可回收资源的识别能力，并根据识别结果分类，完成实时结算，快速准确的完成资源的回收，并将实际效益回馈给用户。

技术实现思路

[0003]本专利技术针对现有技术的问题，提供基于FPGA的资源回收结算方法及系统，可有效提高对可回收资源的识别能力，并根据识别结果分类，完成实时结算，快速准确的完成资源的回收，并将实际效益回馈给用户。
[0004]本专利技术提出的具体方案是：
[0005]本专利技术提供基于FPGA的资源回收结算方法，利用基于FPGA的资源回收结算系统进行资源回收结算，所述资源回收结算系统包括硬件板卡，所述硬件板卡包含ISP芯片、FPGA芯片、电源芯片、DDR、IAS接口和摄像头模组，
[0006]所述FPGA芯片包括Mipi_Rx模块、Video_Pipe模组、Cdma_Rd模块、Cdma_Wr模块、Format_reshape模块、Image_Conv模块、Active模块、Pooling模块和Cortex
‑
A53 CPU,
[0007]摄像头模组采集图像数据，将图像数据由IAS接口传输至ISP芯片，经过优化处理之后，再传送至所述FPGA芯片，通过所述FPGA芯片中Mipi_Rx模块、Video_Pipe模块将输入的图像数据缓存到DDR中，通过Cdma_Rd模块读取图像数据，再经由Format_reshape模块对图像数据整形，再经由Image_Conv模块、Active模块和Pooling模块加速image卷积、激活及池化过程，提取特征数据并通过Cdma_Wr模块反馈至Cortex
‑
A53 CPU，通过Cortex
‑
A53 CPU根据资源识别模型识别图像分类，获得识别结果，根据识别结果按照用户提供的账户信息发起结算。
[0008]进一步，所述的基于FPGA的资源回收结算方法中所述通过Cortex
‑
A53CPU根据资源识别模型识别图像分类，包括：
[0009]预先训练资源识别模型，其中利用自定义再生资源数据集，基于LeNet
‑
5的神经网络架构进行训练学习，获得资源识别模型，经由TensorRT优化量化，再由Compiler编译完成后通过Cortex
‑
A53 CPU加载资源识别模型。
[0010]进一步，所述的基于FPGA的资源回收结算方法中所述摄像头模组为IMX247图像传感器。
[0011]进一步，所述的基于FPGA的资源回收结算方法中所述ISP芯片采用AP1302图像信号处理器。
[0012]本专利技术提供基于FPGA的资源回收结算系统，利用基于FPGA的资源回收结算系统进行资源回收结算，所述资源回收结算系统包括硬件板卡，所述硬件板卡包含ISP芯片、FPGA芯片、电源芯片、DDR、IAS接口和摄像头模组，
[0013]所述FPGA芯片包括Mipi_Rx模块、Video_Pipe模组、Cdma_Rd模块、Cdma_Wr模块、Format_reshape模块、Image_Conv模块、Active模块、Pooling模块和Cortex
‑
A53 CPU,
[0014]摄像头模组采集图像数据，将图像数据由IAS接口传输至ISP芯片，经过优化处理之后，再传送至所述FPGA芯片，通过所述FPGA芯片中Mipi_Rx模块、Video_Pipe模块将输入的图像数据缓存到DDR中，通过Cdma_Rd模块读取图像数据，再经由Format_reshape模块对图像数据整形，再经由Image_Conv模块、Active模块和Pooling模块加速image卷积、激活及池化过程，提取特征数据并通过Cdma_Wr模块反馈至Cortex
‑
A53 CPU，通过Cortex
‑
A53 CPU根据资源识别模型识别图像分类，获得识别结果，根据识别结果按照用户提供的账户信息发起结算。
[0015]进一步，所述的基于FPGA的资源回收结算系统中所述Cortex
‑
A53 CPU根据资源识别模型识别图像分类，包括：
[0016]预先训练资源识别模型，其中利用自定义再生资源数据集，基于LeNet
‑
5的神经网络架构进行训练学习，获得资源识别模型，经由TensorRT优化量化，再由Compiler编译完成后通过Cortex
‑
A53 CPU加载资源识别模型。
[0017]进一步，所述的基于FPGA的资源回收结算系统中所述摄像头模组为IMX247图像传感器。
[0018]进一步，所述的基于FPGA的资源回收结算系统中所述ISP芯片采用AP1302图像信号处理器。
[0019]本专利技术的有益之处是：
[0020]本专利技术提供基于FPGA的资源回收结算方法，利用FPGA强大的并行运算、存储转发能力，加速神经网络的深度学习推理过程，高速、准确识别特定资源，实现分类，内部集成Cortex
‑
A53处理器，依据识别结果实现结算。整体系统达到高度集成化与低功耗的需求。部署开发周期灵活，满足客户的定制化需求，适应多种应用场景。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，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。
[0022]图1是本专利技术系统硬件板卡的示意图。
[0023]图2是本专利技术系统内FPGA芯片内模块交互示意图。
具体实施方式
[0024]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
[0025]本专利技术提供基于FPGA的资源回收结算方法，利用基于FPGA的资源回收结算系统进
行资源回收结算，所述资源回收结算系统包括硬件板卡，所述硬件板卡包含ISP芯片、FPGA芯片、电源芯片、DDR、IAS接口和摄像头模组，
[0026]所述FPGA芯片包括Mipi_Rx模块、Video_Pipe模组、Cdma_Rd模块、Cdma_Wr模块、Format_reshape模块、Image_Conv模块、Active模块、Pooling模块和Cortex
‑
A53 CPU,
[0027]摄像头模组采集图像数据，将图像数据由IAS接口传输至ISP芯片，经过优化处理之后，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于FPGA的资源回收结算方法，其特征是利用基于FPGA的资源回收结算系统进行资源回收结算，所述资源回收结算系统包括硬件板卡，所述硬件板卡包含ISP芯片、FPGA芯片、电源芯片、DDR、IAS接口和摄像头模组，所述FPGA芯片包括Mipi_Rx模块、Video_Pipe模组、Cdma_Rd模块、Cdma_Wr模块、Format_reshape模块、Image_Conv模块、Active模块、Pooling模块和Cortex
‑
A53 CPU,摄像头模组采集图像数据，将图像数据由IAS接口传输至ISP芯片，经过优化处理之后，再传送至所述FPGA芯片，通过所述FPGA芯片中Mipi_Rx模块、Video_Pipe模块将输入的图像数据缓存到DDR中，通过Cdma_Rd模块读取图像数据，再经由Format_reshape模块对图像数据整形，再经由Image_Conv模块、Active模块和Pooling模块加速image卷积、激活及池化过程，提取特征数据并通过Cdma_Wr模块反馈至Cortex
‑
A53 CPU，通过Cortex
‑
A53 CPU根据资源识别模型识别图像分类，获得识别结果，根据识别结果按照用户提供的账户信息发起结算。2.根据权利要求1所述的基于FPGA的资源回收结算方法，其特征是所述通过Cortex
‑
A53 CPU根据资源识别模型识别图像分类，包括：预先训练资源识别模型，其中利用自定义再生资源数据集，基于LeNet
‑
5的神经网络架构进行训练学习，获得资源识别模型，经由TensorRT优化量化，再由Compiler编译完成后通过Cortex
‑
A53 CPU加载资源识别模型。3.根据权利要求1所述的基于FPGA的资源回收结算方法，其特征是所述摄像头模组为IMX247图像传感器。4.根据权利要求1所述的基于FPGA的资源回收结算方法，其特征是所述ISP芯片采用AP1302图像信号处理器。5.基于FP...

【专利技术属性】
技术研发人员：李乐乐，赵鑫鑫，姜凯，李锐，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：