發(fā)布時(shí)間：2022-02-26 15:33

　　目前,無人機(jī)（Unmanned Aerial Vehicle）技術(shù)日益成熟,在軍事和民用領(lǐng)域都有重要突破,其典型應(yīng)用場(chǎng)景包括物流、農(nóng)業(yè)植保、巡查安防、應(yīng)急救援等。隨著AI（Artificial Intelligence）技術(shù)的迅猛發(fā)展,無人機(jī)也廣泛應(yīng)用在基于人工智能的目標(biāo)檢測(cè)系統(tǒng)中。該類系統(tǒng)一種實(shí)現(xiàn)方式為無人機(jī)采集圖像信息并傳輸至后端服務(wù)器,服務(wù)器利用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）實(shí)現(xiàn)特定目標(biāo)識(shí)別,根據(jù)識(shí)別結(jié)果指導(dǎo)后續(xù)操作。這種工作模式存在以下兩種弊端。首先,大量的數(shù)據(jù)傳輸給通信帶寬帶來巨大壓力,甚至導(dǎo)致數(shù)據(jù)丟失;其次,數(shù)據(jù)傳輸時(shí)延較長,影響指令的及時(shí)執(zhí)行。為解決這些問題,有學(xué)者提出在數(shù)據(jù)采集端部署神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)數(shù)據(jù)處理邊緣化,從而減少數(shù)據(jù)傳輸量和時(shí)延。該方案面臨著需要在輕量級(jí)無人機(jī)片上系統(tǒng)中實(shí)現(xiàn)高負(fù)載神經(jīng)網(wǎng)絡(luò)的挑戰(zhàn)。為在無人機(jī)上實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別系統(tǒng),本論文選用高性能低功耗的PYNQ（ARM+FPGA）為計(jì)算平臺(tái)部署神經(jīng)網(wǎng)絡(luò),并實(shí)施多種優(yōu)化策略,提高特定目標(biāo)識(shí)別的速度與準(zhǔn)確度。本文設(shè)計(jì)主要分為三部分,即ARM圖像預(yù)處理、FPGA硬件網(wǎng)... 

【文章來源】：山東大學(xué)山東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標(biāo)識(shí)別算法研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)加速技術(shù)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)介紹
    2.2 二值化神經(jīng)網(wǎng)絡(luò)
    2.3 FPGA簡介
        2.3.1 數(shù)字信號(hào)處理單元
        2.3.2 塊隨機(jī)存儲(chǔ)器
        2.3.3 查找表
    2.4 本章小結(jié)
第3章 可行性分析與總體設(shè)計(jì)
    3.1 可行性分析
        3.1.1 數(shù)據(jù)傳輸方案
        3.1.2 無人機(jī)尺寸
        3.1.3 鋰電池續(xù)航
        3.1.4 網(wǎng)絡(luò)框架大小
        3.1.5 PYNQ架構(gòu)
    3.2 總體設(shè)計(jì)
        3.2.1 網(wǎng)絡(luò)計(jì)算耗時(shí)分析
        3.2.2 目標(biāo)檢測(cè)架構(gòu)設(shè)計(jì)
        3.2.3 硬件加速架構(gòu)設(shè)計(jì)
    3.3 本章小結(jié)
第4章 詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 開發(fā)工具鏈說明
    4.2 網(wǎng)絡(luò)模型設(shè)計(jì)
    4.3 加速設(shè)計(jì)
        4.3.1 神經(jīng)網(wǎng)絡(luò)權(quán)重二值化
        4.3.2 卷積與矩陣乘轉(zhuǎn)換
        4.3.3 卷積計(jì)算優(yōu)化
        4.3.4 網(wǎng)絡(luò)硬件部署
    4.4 其它加速方案優(yōu)化
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 C++調(diào)用優(yōu)化
    4.5 目標(biāo)位置矯正
    4.6 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)
    4.7 實(shí)驗(yàn)結(jié)果
        4.7.1 評(píng)價(jià)指標(biāo)
        4.7.2 加速結(jié)果與分析
    4.8 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的主要學(xué)術(shù)論文
攻讀學(xué)位期間參與科研項(xiàng)目及獲獎(jiǎng)情況
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]論無人機(jī)航拍技術(shù)在后攝影時(shí)代的應(yīng)用[J]. 王歡.  傳媒論壇. 2020(04)
[2]鋰電池百篇論文點(diǎn)評(píng)（2019.12.1—2020.01.31）[J]. 張華,田孟羽,季洪祥,田豐,起文斌,金周,武懌達(dá),詹元杰,閆勇,俞海龍,賁留斌,劉燕燕,黃學(xué)杰.  儲(chǔ)能科學(xué)與技術(shù). 2020(02)
[3]無人機(jī)無線通信傳輸系統(tǒng)的設(shè)計(jì)[J]. 朱潔,戴慧,王洪強(qiáng).  電子世界. 2020(03)
[4]目標(biāo)識(shí)別算法綜述[J]. 尉震行.  中國設(shè)備工程. 2019(01)
[5]智能駕駛中點(diǎn)云目標(biāo)快速檢測(cè)與跟蹤[J]. 葉語同,李必軍,付黎明.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2019(01)
[6]近距空中支援研探[J]. 姚春青.  中國軍事科學(xué). 2016(03)
[7]中國交通工程學(xué)術(shù)研究綜述·2016[J]. 馬建,孫守增,芮海田,馬勇,王磊,劉輝,張偉偉,陳紅燕,陳磊.  中國公路學(xué)報(bào). 2016(06)
[8]我國首次使用無人機(jī)大面積噴灑農(nóng)藥紀(jì)實(shí)[J]. 芮玉奎,芮法富,楊林,牛敬先,施珊,王貴滿.  農(nóng)技服務(wù). 2010(12)
[9]實(shí)時(shí)視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的一種實(shí)用方法[J]. 張文杰,戚飛虎,江卓軍.  上海交通大學(xué)學(xué)報(bào). 2002(12)

碩士論文
[1]基于無人機(jī)的地面目標(biāo)識(shí)別與跟蹤[D]. 程興.哈爾濱工業(yè)大學(xué) 2019
[2]基于深度學(xué)習(xí)的行人流量統(tǒng)計(jì)算法研究[D]. 張?zhí)扃?哈爾濱工業(yè)大學(xué) 2017
[3]面向無線傳輸?shù)臄?shù)據(jù)壓縮算法設(shè)計(jì)[D]. 張宇.燕山大學(xué) 2016
[4]基于多尺度和多層稀疏表示的SAR地物分類[D]. 李慧艷.西安電子科技大學(xué) 2014



本文編號(hào)：3644712