基于随机森林算法的谷物粉分类及硬件加速

作者：徐雷钧^*; 项厚友; 倪利华

来源：计算机应用研究, 2022, 39(04): 1143-1147.

DOI：10.19734/j.issn.1001-3695.2021.09.0418

• 随机森林
• ZYNQ
• FPGA
• 机器学习
• 可重构计算

针对传统谷物粉种类检测速度较慢的问题，基于ZYNQ平台实现随机森林算法辅助微波无损检测技术对谷物粉种类进行高效准确识别。通过对随机森林模型硬件实现的分析研究，提出了一种改进模型参数结构，有效节省了硬件存储资源的消耗。为了缩短算法预测时间并降低系统功耗，在硬件实现时引入提前终止识别机制，在保证准确率不变的前提下避免不必要的决策树预测过程。针对Zedboard开发板，设计一种模型参数存储方案，充分利用片上资源保证系统正常工作。实验结果表明，与传统CPU实现随机森林算法相比，该方案在ZYNQ上运行的实测时间缩短约54.2%,同时没有引起识别精度的损失。

• 单位
  江苏大学