摘要
本文提出了一种用于葡萄分拣的混合图像处理的实际实现方案。混合图像处理结合了 FPGA（现场可编程门阵列）、GPU（图形处理单元）和 CPU（中央处理单元）硬件，以及基于规则和基于 CNN（卷积神经网络）的算法，以满足高数据吞吐量下的实时约束。提供了完整分拣流水线的详细端到端延迟分析。我们的初始解决方案实现了平均延迟 10.7 毫秒，99.9 分位值为 13.2 毫秒，最大延迟为 14.0 毫秒。我们的调查显示，主要瓶颈在于数据处理，而非 CNN 推理。此外，使用相同的图像数据对基于 FPGA 和基于 CPU 的预处理方法进行了比较。基于 CPU/GPU 的方法实现了平均延迟 7.3 毫秒，99.9 分位值为 13.0 毫秒，最大延迟为 13.5 毫秒。最后，提出并评估了一种改进的 FPGA 架构，展示了改进的时序性能。改进的 FPGA 解决方案实现了平均延迟 9.0 毫秒，99.9% 分位值为 10.6 毫秒，最大延迟为 11.3 毫秒。该机器在 5.6 吨/小时的葡萄处理吞吐量下进行了能力评估。
