《AgriEngineering》：Streaming Fixed-Point Datapath for Retinex-Inspired Low-Light Image Enhancement: Open-Source Synthesis and Timing Analysis Towards Agricultural Edge Vision
编辑推荐：
低光条件会劣化农业视觉图像，而边缘相机节点计算资源有限。研究人员开发并表征了一种受Retinex启发的流式、定点现场可编程门阵列（FPGA）数据通路，用于低光图像增强（LLIE），并在软件中评估底层算法。该寄存器传输级（RTL）设计结合最大通道照度估计、基于分
低光条件会劣化农业视觉图像，而边缘相机节点计算资源有限。研究人员开发并表征了一种受Retinex启发的流式、定点现场可编程门阵列（FPGA）数据通路，用于低光图像增强（LLIE），并在软件中评估底层算法。该寄存器传输级（RTL）设计结合最大通道照度估计、基于分段线性（PWL）高斯权重的边缘感知细化、查表反射率恢复与伽马重映射，以及类批归一化（BN）输出归一化。该流水线每时钟周期处理一个像素，无需帧缓冲。功能仿真在逐像素比对中与位精确算术模型完全一致。面向AMD Xilinx Artix-7 FPGA的开源综合、布局布线实现占用5901个查找表（LUT）并满足100 MHz时序约束。图像质量仅在软件中评估：在15组LOL-v1测试对上，与RTL存在两步处理差异的浮点参考模型将平均峰值信噪比（PSNR）从7.77 dB提升至15.03 dB；采用RTL方程的计算得到9.35 dB，重选归一化常数后升至16.64 dB。结果表明该流水线具备紧凑流式实现特征，同时揭示图像质量对归一化策略的敏感性。该设计未在物理FPGA板上烧录与测试，也未评估真实农业低光图像。
研究背景与问题提出：低光图像普遍存在对比度低、信噪比下降与色彩失真，会直接削弱后续检测、分割与识别性能。在农业场景中，畜禽舍夜间、温室遮荫、无人机晨昏航拍等条件进一步加剧采集不确定性；边缘相机节点常受功耗、存储与带宽约束，难以承载训练型深度模型。已有FPGA Retinex方案多依赖变分优化、高斯滤波或帧缓冲，学习类增强器则需存储参数，尚缺一种无帧缓冲、每周期一像素、定点可综合的紧凑数据通路。为此，研究人员将最大通道估计、分段线性高斯权重、边缘感知细化与类批归一化（BN，Batch Normalization）整合为流式RTL，并以开源工具链完成综合与时序表征。
关键技术方法：研究采用Verilog描述RTL，使用Yosys与nextpnr-xilinx对Artix-7 XC7A200T进行开源综合与布局布线，约束单时钟100 MHz；以Icarus Verilog做功能仿真，并用Python位精确模型逐像素比对。算法侧以11×11窗口最大通道照度估计、PWL高斯权重边缘细化、查表反射率恢复与伽马重映射、帧统计BN风格归一化构成主线；软件质量评估基于LOL-v1数据集（eval15测试对，参数选自our485中40对验证集），农业影像另用PlantVillage叶像做纯软件合成退化实验。
研究结果：
功能仿真、吞吐与延迟：RTL以每周期一像素流式运行，五帧回环输出与位精确模型全像素一致；首输出延迟2713周期，264×264帧处理约0.724 ms@100 MHz，证明无帧缓冲流水线的功能正确性与高吞吐潜力。
资源利用与功耗：Artix-7实现占用5901 LUT、4943触发器、38 DSP与12.5块RAM，满足100 MHz且估计最高频率超108 MHz；SKY130标准单元映射估算核心功耗约0.192 W，说明数据通路硬件开销紧凑。
LOL-v1图像质量（软件参考模型）：完整流水线含BN归一化后平均PSNR由7.77升至15.03 dB，SSIM由0.191升至0.596；PWL近似几乎不损精度（误差<0.001 dB）。RTL等价浮点方程初配归一化常数仅9.35 dB，重选偏移后达16.64 dB，表明质量高度依赖归一化形式与常数。
参数选择：随机搜索确定σ=64、γ=2.4类对比指数、α=0.70及BN缩放/偏移；验证集增益不能代表独立测试，eval15给出最终保守估计。
农业影像软件评估：独立亮度域方法（伽马+单尺度Retinex+CLAHE）在PlantVillage合成低光叶像上改善亮度与边缘保持，但该模块不属综合进FPGA的RTL。
讨论与结论翻译：讨论指出，本研究贡献主要在硬件导向的既有操作集成，而非全新Retinex算法；RTL经开源流片前流程验证，但未上板、未跑真实农业图，软件模型与RTL有两处处理差异，因此图像质量结论仅描述软件行为。结论如下：研究人员实现了一种每周期一像素、无帧缓冲的定点流式Retinex增强数据通路，其在Artix-7上资源紧凑且时序收敛；图像质量对归一化阶段敏感，重选归一化常数可显著提升指标；该架构适用于资源受限农业边缘视觉的前处理候选，但物理部署效益需后续在真实田间低光图像与FPGA板上单独验证。
