基于优化分割模型的喷射火焰特征化的可重构智能相机实现
计算机视觉与模式识别
2026-04-07 v1 人工智能
摘要
本文提出了一种 novel 框架，用于通过在FPGA SoC上运行优化的人工智能模型实现的智能相机平台进行喷射火焰特征化。该方法旨在缓解工业领域实时火灾分割和特征化解决方案的不足。作为案例研究，我们演示了如何利用SoC FPGA实现喷射火焰分析的完整边缘处理管道。本文通过创建新的实验 setup 和系统实现，扩展了前期关于计算机视觉喷射火焰分割的工作，可复制到其他火灾安全应用中。该平台旨在实时且在设备上完成图像处理任务，减少视频处理开销，从而降低整体延迟。这通过优化UNet分割模型使其适用于SoC FPGA实现；优化后的模型随后可高效映射到SoC可重构逻辑中进行大规模并行执行。我们的实验选择了Ultra96平台，因为它还提供了使用SoC外围设备以及其他操作系统(OS)功能（如多线程）进行系统管理的手段。通过Vitis(Xilinx)框架进行模型优化，我们将原始模型从750万参数减少到59,095个参数（降低125倍），其处理延迟降低2.9倍。进一步的优化（多线程和批量归一化）使延迟提升7.5倍，实现30帧/秒的性能，而在评估的指标（Dice Score）方面未牺牲准确性。
引用
@article{arxiv.2604.03267,
title = {A reconfigurable smart camera implementation for jet flames characterization based on an optimized segmentation model},
author = {Gerardo Valente Vazquez-Garcia and Carmina Perez Guerrero and Eduardo Garduño and Miguel Gonzalez-Mendoza and Adriana Palacios and Gerardo Rodriguez-Hernandez and Vahid Foroughi and Alba Àgueda and Elsa Pastor and Gilberto Ochoa-Ruiz},
journal= {arXiv preprint arXiv:2604.03267},
year = {2026}
}
备注
Paper submitted to EAAI (Elsevier) for peer review