FPGA 可编程逻辑中基于加速人工神经网络的红葡萄检测
计算机视觉与模式识别
2025-07-04 v1 人工智能
分布式、并行与集群计算
机器学习
机器人学
摘要
机器人在采罐过程中通常会减慢速度以检测移动中的物体。此外，机器人摄像头被配置为低帧率，以跟踪检测算法的速度。这会在执行任务和探索时造成限制，导致机器人增加任务执行时间。AMD 已开发了 Vitis-AI 框架，用于将检测算法部署到 FPGA 中。然而，该工具未充分利用 FPGA 的可编程逻辑 (PL)。本文我们使用 FINN 架构将三个人工神经网络 (ANN) 部署到 FPGA 的 PL 中：MobileNet v1 采用 4 位量化、CNV 采用 2 位量化，以及采用 1 位量化的 CNV (BNN)。模型在 RG2C 数据集上训练。该数据集为自采数据集并以开放方式发布。MobileNet v1 性能最佳，达到 98% 的成功率和 6611 FPS 的推理速度。本文证明了我们可以利用 FPGA 加速人工神经网络，使其适用于注意力机制。
引用
@article{arxiv.2507.02443,
title = {Red grape detection with accelerated artificial neural networks in the FPGA's programmable logic},
author = {Sandro Costa Magalhães and Marco Almeida and Filipe Neves dos Santos and António Paulo Moreira and Jorge Dias},
journal= {arXiv preprint arXiv:2507.02443},
year = {2025}
}
备注
Submitted to ROBOT'2025