计算机工程

作者：张树华, 王继业, 赵传奇, 陈宏铭, 郭咏雯

单位：1. 华北电力大学电气与电子工程学院, 北京 1022062. 中国电力科学研究院有限公司, 北京 1001923. 浙江海洋大学信息工程学院, 浙江 舟山 316022

关键词：人工智能加速,现场可编程逻辑门阵列(FPGA),YOLOv3网络,RISC-V硬核,卷积神经网络

基金：国家电网有限公司科技项目(5700-202255475A-2-0-KJ)

近年来, 随着输电物联网的发展, 输电线路在线监测成为重点建设项目, 但嵌入式平台的计算能力和功耗问题影响了输电线路可视化的实现。为解决这些问题, 研究计算资源和存储资源高度融合的存内计算优化技术。首先, 设计了一种轻量级神经网络, 专用于输电线路目标识别, 有效降低了资源利用率; 其次, 提出一种适用于卷积神经网络(CNN)的现场可编程逻辑门阵列(FPGA)计算架构, 基于超轻量化异常目标识别神经网络算法, 结合特征图输出复用和乒乓机制等优化策略, 大幅提升了嵌入式平台的运行帧率并降低了资源占用率; 最后, 利用层融合技术、多通道传输和网络参数重排等策略, 优化了嵌入式平台的功耗, 提升了能效比。实验结果表明, FPGA加速器在175 MHz主频下工作时, 功耗低于3.5 W, 在输电线路数据集上的识别帧率达到33帧/s, 与其他方案相比, 在资源利用率、帧率和能效比方面均有显著提升。

来源：2025年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第2期