[发明专利]一种基于ZYNQ的实时智能垃圾自分类系统

权利要求书

1.一种基于ZYNQ的实时智能垃圾自分类系统，其特征在于，该系统包括摄像头、第一主板、第二主板及垃圾桶，所述摄像头通过通用串行总线连接第一主板，第一主板通过高清多媒体接口连接第二主板，第二主板有线连接垃圾桶；其中：

所述第一主板包括：

一个软件处理系统即PS，其内设有一个垃圾图像采集模块和一个视频输出模块，PS控制垃圾图像采集模块经通用串行总线实时获取摄像头采集的垃圾图像，并通过内存读写控制的方式把图像保存至共享内存中；同时，PS通过内存读写控制的方式获取共享内存中预处理完成的图像，经视频输出模块输出给高清多媒体接口，再经高清多媒体接口传输至第二主板；

一个可编程逻辑即PL，其内设有一个垃圾图像预处理模块，PL与PS之间通过共享内存实现数据共享连接，通过控制/数据总线实现控制连接；其中，垃圾图像预处理模块通过直接内存访问的方式获取共享内存中的垃圾图像，并对垃圾图像进行实时预处理；待预处理完成后把处理后的垃圾图像经直接内存访问的方式重新写回共享内存中；

一个共享内存，用于PL和PS之间的数据共享连接，PS和PL能够同时访问共享内存中的数据，实现PL和PS之间的数据交互；

一个控制/数据总线，用于PL和PS之间的控制连接，PS可通过控制/数据总线控制PL的运行状态；

所述第二主板包括：

一个软件处理系统即PS，其内设有一个视频输入模块；PS控制视频输入模块获取经高清多媒体接口传输来的预处理完成的垃圾图像，并通过内存读写控制的方式把图像保存至共享内存中；

一个可编程逻辑即PL，其内设有一个LeNet-5卷积神经网络垃圾分类模块及一个垃圾桶控制信号生成模块；PL与PS之间通过共享内存实现数据共享连接，通过控制/数据总线实现控制连接；LeNet-5卷积神经网络垃圾分类模块通过直接内存访问的方式从共享内存中读取预处理后的垃圾图像，随后进行LeNet-5卷积神经网络垃圾分类；待垃圾分类完成后，PS通过控制/数据总线获取LeNet-5卷积神经网络垃圾分类模块的垃圾分类结果，并通过控制/数据总线控制垃圾桶控制信号生成模块产生对应的角度控制信号，经有线方式将该角度控制信号传输给垃圾桶，控制垃圾桶旋转对应的角度，即旋转至对应的垃圾投放区域，把垃圾投放到该区域，实现实时智能垃圾分类；

一个共享内存，用于PL和PS之间的数据共享连接，PS和PL能够同时访问共享内存中的数据，实现PL和PS之间的数据交互；

一个控制/数据总线，用于PL和PS之间的控制连接，PS通过控制/数据总线控制PL的运行状态。

2.根据权利要求1所述的基于ZYNQ的实时智能垃圾自分类系统，其特征在于，所述垃圾图像预处理模块完成：

(1)去除垃圾图像背景，提取前景图像；

(2)提取前景图像的纹理图像；

(3)调整纹理图像为1通道，宽和高均为32个像素点的灰度图像。

3.根据权利要求1所述的基于ZYNQ的实时智能垃圾自分类系统，其特征在于，所述LeNet-5卷积神经网络垃圾分类模块为一个7层的卷积神经网络模型，该模型包含2个卷积层、2个池化层和3个全连接层；采用高级综合工具将LeNet-5卷积神经网络模型各层之间的计算设计成流水线处理模式；其次，采用高级综合工具将该模型的卷积、池化和全连接层计算设计成6级循环展开并行处理模式；对于该模型同一层中的每个神经元，其计算过程，也采用高级综合工具设计成6级循环展开并行处理模式；最后，采用高级综合工具将该模型同一层中不同神经元的计算设计成9级流水线处理模式；该模型中同一层的每个神经元，其计算公式如下：

f((∑w·x)+b)

其中f表示神经元计算中的激活函数，w表示神经元计算中的权重，x表示神经元计算中输入的图像像素点数据，b表示神经元计算中的偏置。

4.根据权利要求2所述的基于ZYNQ的实时智能垃圾自分类系统，其特征在于，所述去除垃圾图像背景，提取前景图像使用背景差分方法，具体过程为：把获取的第一帧图像做为背景图像，后续获取的图像做为垃圾源图像，使用垃圾源图像减去背景图像得到前景图像。