嵌入式智能物体认知系统设计与实现

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。

保偏光子晶体光纤图像特征孔中心提取算法

保偏光子晶体光纤快慢轴的检测是保偏光子晶体光纤应用的关键技术。针对保偏光子晶体光纤端面空气孔数量多、尺寸存在差异及噪声和伪边缘干扰圆心定位精度的问题,提出一种双峰均值二值化法粗定位和径向扫描三点法精定位相结合的方法。采用双峰均值二值化法实现空气孔重心的粗定位;利用大空气孔定方位,选取两个具有结构对称的空气孔区域,去除粗大误差点,径向扫描法确定边缘三点进行圆心精定位,并利用半径阈值减小误差。实验结果表明,该方法能有效分割光纤端面图像,圆心偏差小于0.2个像素,为光纤定轴打下必要的理论基础。