嵌入式智能物体认知系统设计与实现

摘要：

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.

关键词：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

所属期刊栏目：45

分类号：TN915-34

资助基金：国家自然科学基金;苏州大学文正学院教学改革课题;苏州大学文正学院教学改革课题;苏州大学文正学院教学改革课题

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：155-160