基于人工智能的嵌入式图像识别信息采集系统

赵克

身份证号码：3714821987****2930

摘要：运动控制通常是指利用预定的规划指令和控制方案，对复杂条件下的机械运动进行精确的位置控制、速度控制、加速度控制、力矩或力的控制。由于其高精度、高速度的优点，被广泛应用于机器人控制、半导体加工、电子组装系统等领域。机器视觉是一种利用计算机模拟生物视觉的技术。机器视觉因其观察范围广、观察时间长、环境适应性强、对被观察物体无损伤等优点，被广泛应用于汽车、电子、电力、包装等行业。 将嵌入式机器视觉技术应用于运动控制系统是解决计算机视觉系统体积庞大问题的新思路。

关键词：人工智能;嵌入式;图像识别信息;信息采集系统;

在利用原有系统采集图像识别信息时，在图像分辨率为72PPI-87PPI的范围内存在图像识别率较低的问题，因此提出基于人工智能的嵌入式图像识别信息采集系统。系统硬件包括可扩展模块、数据采集模块。其中可扩展模块由多核处理器、可编程逻辑控制器等构成，数据采集模块由嵌入式图像识别信息的数据处理设备、显示设备等构成。系统软件包括图像识别模块、图像预处理模块。其中图像识别模块分两个阶段进行图像智能识别，图像预处理模块进行图像滤波处理、图像二值化处理、边缘检测处理。通过实验证明该系统的图像识别率高于原有系统，实现了性能提升。

一、硬件部分设计

基于人工智能的嵌入式图像识别信息采集系统的硬件构成包括:可扩展模块、数据采集模块。

1．设计可扩展模块。系统硬件均采用嵌入式开发模式，以达到嵌入式系统的功耗、体积、可靠性、处理能力、速度、成本、功能要求。其中可扩展模块由多核处理器、可编程逻辑控制器、总线协议、多媒体高清晰度接口、DDR控制器构成。多核处理器选择的型号为ARM硬核双核Cortex多核A9处理器;可编程逻辑控制器选择的型号为Zynq-6000可编程逻辑控制器;总线协议选择的型号为AXI4总线协议，多媒体高清晰度接口作为视音频数据化接口，能够对影像与音频数据进行同时传输，具备传输速度较快、色彩饱和、传输信息量较大的特征，DDR控制器中的接口支持LPDDR2、DDR3、DDR2器件，共由三部分构成，包括DDRC核控制交易调度器、DDRP PHY数字控制器、DDRI存储器AXI端口。DDR控制器的具体模块构成如图1所示。

图1 DDR控制器的具体模块构成

在图1中，端口0与L2缓存连接以及ACP接口连接到PL均用于对CPU进行服务，且端口均为低延迟配置。AXI上的其他互联主设备则与端口1连接。M0与M1端口为DDR与AXI_HP互联，上层M0-M3则为高性能端口，这些端口均应用仲裁逻辑控制。

2.设计数据采集模块。数据采集模块由嵌入式图像识别信息的数据处理设备、显示设备、存储设备以及采集设备构成。

二、软件部分设计

基于多特征融合的高动态舞蹈视频关键帧提取系统的软件构成包括:图像识别模块、图像预处理模块。

1．设计图像识别模块。基于人工智能设计图像识别模块，主要通过支持向量机算法与BP神经网络算法分两个阶段进行图像智能识别，分别为训练与测试。在训练阶段，主要通过分类器训练提取出来的图像特征向量获取分类模型。而在测试阶段，主要通过分类器即支持向量机算法与BP神经网络算法对获取的分类模型进行加载，以实现图像识别的目的。

2.设计图像预处理模块。图像预处理模块负责进行图像滤波处理、图像二值化处理、边缘检测处理。其中图像滤波处理采用的算法为均值滤波算法，具体处理方法如下式所示:

式中，f(x，y)表示待处理的像素点;g(x，y)表示f(x，y)这一点上处理后图像的灰度值;N表示滤波模板全部像素具体个数;S表示滤波模板。图像二值化处理采用的方法为最大类间方差法，具体处理方法如下式所示:

g=ω0×ω1×(μ0－μ1)2

式中，g表示类间方差;ω0表示标的像素点占据图像像素点的比例;ω1表示背景像素点占据图像像素点的比例;μ0表示目标像素点灰度平均值;μ1表示背景像素点灰度平均值。边缘检测处理采用的方法为Sobel算子，其水平方向模板如下式所示。

式中，Gx表示Sobel算子的水平方向模板。垂直方向模板如下式所示。

式中，Gy表示Sobel算子的垂直方向模板。

三、图像处理与目标检测

图像处理硬件环境为TI的DM642芯片，软件环境为CCS3.3（Code Composer Studio 3.3），编程语言为C语言。图像处理算法采用背景预测算法，预测窗口采用7×7均值滤波窗口。预测窗口大小取7×7的原因是：经过大量仿真实验证明，预测窗口大小为5×5时，算法检测不到目标；预测窗口大小为9×9时，算法虽然能检测到目标，但实时性差；预测窗口大小为7×7时，算法既能成功检测到目标，又能保证实时性，算法流程如图2所示。

图2检测算法流程图

算法首先采用7×7均值滤波窗口分别对目标出现前的原始图像A、目标出现后的原始图像B进行背景预测处理得到不含目标的背景预测图像A1、B1；其次对图像A和图像A1作差分运算得到不含目标的残差图A2，接着对图像B和图像B1作差分运算得到含有目标的残差图B2，消除大部分背景；再对残差图A2、B2作二次差分运算得到含有目标的图像C，消除残余背景；然后对图像C作阈值分割处理得到二值图像D，消除大部分噪声；最后对图像D作形态学运算消除比结构元素小的噪声目标，得到只含有弱小目标的图像。

四、实验分析

1.实验准备。为验证设计的基于人工智能的嵌入式图像识别信息采集系统的性能，对其进行图像识别信息采集实验验证。在实验中利用基于人工智能的嵌入式图像识别信息采集系统对锅炉仪表信息实施图像识别信息采集实验，分别为立式锅炉与卧式锅炉获取图像分辨率为72PPI-87PPI范围内的图像识别率数据作为实验数据。为避免出现本次实验结果缺乏对比性的问题，将原有的两种嵌入式图像识别信息采集系统作为实验中的对比系统进行对比实验。它们分别为基于C聚类、基于多重分割法的嵌入式图像识别信息采集系统。同样利用这两种系统进行实验锅炉仪表信息的图像识别信息采集实验。

2．结果分析。对于立式锅炉，在图像分辨率为72PPI-87PPI的范围内，基于人工智能的嵌入式图像识别信息采集系统与基于C聚类、基于多重分割法的嵌入式图像识别信息采集系统的图像识别率实验对比数据，根据立式锅炉的图像识别率实验对比数据可知，在图像分辨率为72PPI-82PPI的范围内，基于人工智能的嵌入式图像识别信息采集系统的图像识别率高于基于C聚类、基于多重分割法的嵌入式图像识别信息采集系统。其原因是方法通过分类器训练提取出来的图像特征向量获取分类模型。在测试阶段，主要通过分类器即支持向量机算法与BP神经网络算法对获取的分类模型，进行加载以实现图像识别的目的，在一定程度上提高了立式锅炉的图像识别率。对于卧式锅炉，在图像分辨率为72PPI-82PPI的范围内，基于人工智能的嵌入式图像识别信息采集系统与基于C聚类、基于多重分割法的嵌入式图像识别信息采集系统的图像识别率实验对比数据，根据卧式锅炉的图像识别率实验对比数据可知，在图像分辨率为72PPI-82PPI的范围内，基于人工智能的嵌入式图像识别信息采集系统的图像识别率高于基于C聚类、基于多重分割法的嵌入式图像识别信息采集系统。其原因是方法以多媒体高清晰度接口作为视音频数据化接口，能够对影像与音频数据进行同时传输，具备传输速度较快、色彩饱和、传输信息量较大的特征，能够提高卧式锅炉的图像识别率。

总之，嵌入式图像识别信息采集系统主要是通过图像识别等技术实施信息的采集、分析、读取等，能够对人类的视觉思维进行模仿，并且嵌入式的模式使其适应性很强，其研究具有较大意义与实用价值。基于人工智能的嵌入式图像识别信息采集系统实现了图像识别率的提升，对于工业领域信息采集的准确度提升有较大意义。

参考文献：

［1］陆新．人工智能的嵌入式图像识别信息采集系统探讨，2021．

［2］谭霞．基于嵌入式电子信息的农田信息采集系统开发.2020.