第31卷第4期2023年2月Vol.31No.4Feb.2023光学精密工程OpticsandPrecisionEngineering基于ZYNQ的Yolov3-SPP实时目标检测系统张丽丽，陈真*，刘雨轩，屈乐乐（沈阳航空航天大学电子信息工程学院，辽宁沈阳110000）摘要：基于卷积神经网络的目标检测算法发展迅速，随着计算复杂度增加，对设备的性能及功耗要求越来越高。为了使目标检测算法能够部署在嵌入式设备上，本文采用软硬件协同设计方法，使用FPGA对算法进行硬件加速，提出了ZYNQ平台下的Yolov3-SPP目标检测系统。本文将该系统部署在XCZU15EG芯片上，并对系统所需的功耗、硬件资源及性能进行了分析。首先对要部署的网络模型进行优化，并在PascalVOC2007数据集上进行训练，最后使用VitisAI工具对训练后的模型进行量化、编译，使其适用于ZYNQ端的部署。为了选取最佳的配置方案，探究了各配置对硬件资源及系统性能的影响，从系统功耗（W）、检测速度（FPS）、各类别平均精度的平均值（mAP）、输出误差等方面对系统进行了分析。结果表明：在300M时钟频率下，输入图片大小为（416，416）时，针对YoloV3-SPP和YoloV3-Tiny网络结构，检测速度分别为38.44FPS和177FPS，mAP分别为80.35%和68.55%，片上芯片功耗为21.583W，整板功耗23.02W。满足嵌入式设备部署神经网络模型的低功耗、实时性、高检测精度等要求。关键词：目标检测；硬件加速；ZYNQ；Yolov3-SPP；Yolov3-Tiny中图分类号：TP394.1；TH691.9文献标识码：Adoi：10.37188/OPE.20233104.0543Yolov3-SPPreal-timetargetdetectionsystembasedonZYNQZHANGLili，CHENZhen*，LIUYuxuan，QULele（CollegeofElectronicandInformationEngineering，ShenyangAerospaceUniversity，Shenyang110000，China）*Correspondingauthor，E-mail：chenzhen_1996@qq.comAbstract：Thetargetdetectionalgorithmbasedontheconvolutionalneuralnetworkisdevelopingrapidly，andwiththeincreaseincomputationalcomplexity，requirementsfordeviceperformanceandpowercon⁃sumptionareincreasing.Toenablethetargetdetectionalgorithmtobedeployedonembeddeddevices，thisstudyproposesaYolov3-SPPtargetdetectionsystembasedontheZYNQplatformbyusingahard⁃wareandsoftwareco-designapproachandhardwareaccelerationofthealgorithmthroughFPGA.Thesys⁃temisdeployedontheXCZU15EGchip，andtherequiredpowerconsumption，hardwareresources，andperformanceofthesystemar...
