嵌入式智能物体认知系统设计与实现

作者：张建; 张海飞^*; 史洪玮

来源：现代电子技术, 2022, 45(16): 155-160.

DOI：10.16652/j.issn.1004-373x.2022.16.029

• 图像识别
• 神经网络
• 深度学习
• 双峰均值
• 图像采集
• 物体认知
• 人工智能

目前嵌入式图像识别系统对资源要求普遍偏高，且针对低配置资源的终端研究较少。为此，文中将深度学习中的卷积神经网络算法引入到嵌入式终端，提出一种嵌入式智能物体认知系统。在硬件设计上，通过优化摄像头采集图像流程、图像归一化处理来缩短终端对图像采集的时间。在软件实现上，采用双峰均值算法对图像进行预处理，将卷积神经网络算法训练的参数下发到终端，使终端能够高效地识别采集到的图像；再采用分散存储方式，将每层参数以常量数组的方式分别存储，从而大幅度降低推理过程中对资源的占用。通过对数字、字母及实物进行识别测试得出，文中系统识别准确率高于90%，表明在资源受限的终端也能对物体进行较好地识别。

• 单位
  南通理工学院; 宿迁学院; 苏州大学文正学院; 苏州大学