一種基於FPGA的菸葉分級方法和裝置與流程
2023-05-26 20:49:51 2
本發明涉及菸葉分級領域，特別涉及一種基於FPGA的菸葉分級方法和裝置。
背景技術：
菸葉是我國的重要經濟作物，現在我國對於菸葉的分級還主要依靠人觀察和手摸的人工階段。不僅費時費力，而且主觀性和模糊性較強。基於計算機的菸葉智能分級在對菸葉圖像處理時計算量比較大，很難滿足實時性的要求。基於FPGA晶片的處理能力現在越來越強，利用FPGA並行處理的優勢，像素級別的算法完全可以在FPGA中實時處理，在菸葉的分級處理中，利用FPGA實現的裝置相比於PC對於菸葉圖像的處理，在速度上有著極大的提升。
技術實現要素：
有鑑於此，本發明的目的在於，提供一種基於FPGA的菸葉分級方法和裝置，採用兩塊FPGA晶片作為主控晶片，在速度上極大的提升了對菸葉圖像的處理速度。
本發明的目的是以下述方式實現的：
一種基於FPGA的菸葉分級裝置，所述裝置包括通過雙排插針相互連接的接口板FPGA和處理板FPGA；
所述接口板FPGA通過串行通信晶片接口連接CCD，由接口板FPGA發送指令採集幀圖像，採集的圖像存入與接口板FPGA相連的SRAM緩存Ⅰ；
所述接口板FPGA讀取SRAM緩存Ⅰ中的菸葉圖像進行背景分割並進行去噪處理，然後提取已設定的圖像特徵；接口板FPGA將提取的圖像特徵存入與處理板FPGA相連的SRAM緩存Ⅱ，然後處理板FPGA根據已建立的分級模型算法對菸葉的特徵信息進行處理，得到分色分級結果，並將分色分級結果和控制信息發送到接口板FPGA；
所述接口板FPGA將採集的菸葉圖像和相應的分色分級結果在VGA顯示並通過語音模塊進行播報。
所述圖像特徵包括顏色特徵、紋理特徵、脈絡特徵。
所述控制信息包括將SRAM裡緩存的菸葉幀圖像和對應的分色分級信息存儲至外部存儲設備。
所述的分級模型算法利用人工神經網絡、遺傳算法、最近距離算法、聚類算法、粗集算法中的一種或幾種對提取的圖像特徵進行分組、分色和分級。
在處理板FPGA上，每兩片SRAM通過擴展位寬的方式共享地址總線。
一種基於FPGA的菸葉分級方法，所述方法包括如下步驟：
步驟一、接口板FPGA通過串行通信晶片發送相機設置命令，每完成一條命令的發送，將觸發信號由串行通信晶片發送至CCD，開始幀圖像傳輸過程，在CCD完成應答信號後，再繼續發出下一條命令；
步驟二、 接口板FPGA根據圖像中菸葉的展開度和光線情況選擇最合適的幀圖像進行採集，採集的圖像存入與接口板FPGA相連的SRAM緩存Ⅰ；
步驟三、接口板FPGA對SRAM緩存Ⅰ中的菸葉圖像進行背景分割，剔除圖像中與菸葉分級無關的因素，再進行去噪處理，去除噪聲後進行特徵提取；
步驟四、接口板FPGA將提取的圖像特徵傳送給處理板FPGA，處理板FPGA利用已建立的分級模型算法對提取的特徵進行分組、分色和分級，分級結果和控制信號再傳送給接口板FPGA；
步驟五、接口板FPGA將菸葉的分級結果和對應的菸葉幀圖像通過VGA顯示，並通過語音模塊播放。
所述步驟三中，特徵的提取標準根據處理板FPGA裡設定的菸葉分級模型來選擇。
所述步驟四中的控制信號是將分級結果和對應SDRAM中的幀圖像存儲到外部存儲設備裡。
所訴步驟四中的分級模型算法包括人工神經網絡、遺傳算法、最近距離算法、聚類算法、粗集算法中的一種或幾種
所述步驟五中，通過同一個顯示器顯示採集到的菸葉幀圖像和分級結果。
與現有技術相比，本發明的優點是：
利用FPGA的分級裝置體積更小，運算速度快且操作簡單，可以很好的解決現在菸葉分級過程中的分級速度問題；利用FPGA的可編程性，可以優化升級分級模型算法並且不用購買新的設備，更加經濟；本發明有利於定製統一的分級標準，避免傳統人為分級過程中產生的各種糾紛。
附圖說明
圖1為本發明的結構示意圖。
具體實施方式
如圖1所示，依據本發明的一種將菸葉實時智能分級的裝置，採用兩塊FPGA晶片作為主控晶片。第一片FPGA的電路板成為接口板，完成CCD、VGA以及語音模塊等的接口通信功能和菸葉圖像預處理和特徵提取等功能。第二片FPGA的電路板稱為處理板，用來進行算法設計，完成對菸葉分級模型的建立，處理由接口板FPGA發來的菸葉特徵數據，根據已有模型進行分色分級。兩片板子採用雙排插針的連接方式。
CCD連接CameraLink接口，實時採集菸葉數據，由接口板FPGA發送指令採集幀圖像，採集的圖像緩存至SRAM，接口板FPGA讀取SRAM中的菸葉圖像進行背景分割並進行去噪處理，然後提取已設定的圖像特徵，比如長寬比、RGB值等。圖像的特徵信息從接口板FPGA發送至處理板FPGA後，存入SRAM緩存，然後處理板FPGA將菸葉的特徵信息根據已建立的分級模型算法進行處理，然後將分色分級結果和控制信息發送到接口板，接口板將處理結果在VGA顯示並通過語音播報出來，接口板接收到的控制信息是將CCD採集的菸葉圖像和對應的分色分級信息存儲至外部存儲設備的指令，及將接口板FPGA上SRAM裡緩存的菸葉幀圖像複製給外部存儲。在處理過程中，Flash作為代碼的存儲晶片，在上電後從其中加載已經設定好的代碼。
根據分色分級實時性的要求和代碼設計佔用邏輯資源的情況，簡化設計和開發流程，所述的接口板與處理板我們都選用的是Altera公司的CycloneIV系列的FPGA，型號為EP4CF23C8N。CCD我們採用的是JVC的TK-1481BEC。接口板和處理板在處理過程中需要緩存晶片，為了簡化設計，這裡我們選用操作簡單的異步SRAM作為存儲。選用的是ISSI公司的IS64WV102416BL型號。在處理板上，每兩片SRAM通過擴展位寬的方式共享地址總線。VGA接口晶片採用ADV7123 高速、高精度數模轉換晶片。語音播放模塊採用的是WM8731S可攜式網際網路音頻編解碼器晶片。外部存儲採用通用SD卡標準。Flash模塊負責代碼的存儲，根據代碼所佔空間的大小我們選用ALTERA的專用Flash配置晶片EPCS128。接口板和處理板都採用JTAG接口，用來下載編譯好的代碼。
系統上電後，Flash中的代碼分別加載到接口板和處理板FPGA，接口板和處理板FPGA接收到復位信號後，經過數個周期的延時等待其他模塊與晶片完成復位，然後接口板FPGA通過串行通信晶片（整合在CameraLink接口晶片內部）發送相機設置命令，每完成一條命令的發送，在CCD完成應答信號後，再繼續發出下一條命令。完成命令的發送後，將觸發信號由串行通信晶片發送至CCD，開始幀圖像傳輸過程。接口板FPGA根據圖像中菸葉的展開度和光線情況選擇最合適的幀圖像進行採集，緩存至SRAM。然後對SRAM種的菸葉圖像進行背景分割（設定閾值），剔除圖像中與菸葉分級無關的因素，背景分割後還需要去噪處理（噪聲對分級影響較大），去除噪聲後才可以進行特徵提取，特徵的提取標準是根據處理板FPGA裡設定的菸葉分級模型來選擇的，是已經設定好的。提取的圖像特徵傳送給處理板FPGA，處理板根據已建立的分級模型算法進行分級運算，利用人工神經網絡、遺傳算法、最近距離算法、聚類算法、粗集算法等中的一種或幾種對提取的特徵進行分組、分色和分級，分級結果和控制信號再傳送給接口板FPGA。接口板FPGA將菸葉的分級結果和對應的菸葉幀圖像通過VGA顯示出來，這裡我們通過同一個顯示器顯示採集到的菸葉幀圖像和分級結果，以便更直觀的認識與判斷，語音播報模塊負責將分級的結果通過語音的形式播放出來。處理板返回給接口板的控制信號是將分級結果和對應SDRAM中的幀圖像存儲到外部存儲設備裡。
分級模型算法還可以使用現有技術中的隨機森林分級模型算法，隨機森林分級模型算法根據不同特徵的值建立一定數量的分類級別，且不同類別之間是相互獨立的，利用對不同類別特徵值的運算結果對輸入的數據樣本進行分類。應用隨機森林分級模型算法時，接口板FPGA將提取的圖像特徵傳送給處理板FPGA，處理板根據隨機森林分級模型算法進行分級運算，將不同的特徵值與設定的節點值進行運算比對，逐層運算，得出最終分級結果和控制信號，分級結果和控制信號再傳送給接口板FPGA。
以上所述的僅是本發明的優選實施方式，應當指出，對於本領域的技術人員來說，在不脫離本發明整體構思前提下，還可以作出若干改變和改進，這些也應該視為本發明的保護範圍。