买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于ZYNQ开发板的塑料分选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116188868B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310217992.2，技术领域涉及：G06V10/764；该发明授权一种基于ZYNQ开发板的塑料分选方法是由罗林保;陆川;黄晓;李志远;程海洋设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本一种基于ZYNQ开发板的塑料分选方法在说明书摘要公布了：本发明公开了一种基于ZYNQ开发板的塑料分选方法，其步骤包括：首先使用近红外光谱仪采集不同类别塑料的近红外光谱图像作为输入；然后依据近红外光谱对不同类别塑料光谱响应的不同的特点，构建用于塑料种类识别的神经网络模型；再利用PL端处理器的可并行计算的特点，在PL端处理器上对图像数据进行卷积和下采样计算，充分挖掘卷积神经网络中大量乘加运算的并行性，并通过配置内部资源生成不同功能硬件模块，在保证分类准确率的前提下，达到提高分类速度、降低模型功耗。本发明能提高塑料分选准确率的同时，大大缩减系统处理时间，从而改善传统塑料分选过程复杂、速度慢、效率低等缺点。

本发明授权一种基于ZYNQ开发板的塑料分选方法在权利要求书中公布了：1.一种基于ZYNQ开发板的塑料分选方法，其特征在于，包括以下步骤： 步骤1、利用近红外光谱仪采集塑料的近红外光谱数据并发送给PC端进行预处理，包括：平滑处理、归一化处理以剔除噪声和边缘数据，从而得到预处理后的近红外光谱数据，最后通过python软件将预处理后的近红外光谱数据转化为二维灰度图像数据； 步骤2、构造基于LeNet网络的卷积神经网络模型，包括：若干层卷积层、若干层池化层、若干层全连接层以及SoftMax函数； 第i层卷积输入数据是维度为m×m的点阵数据，第i层卷积输出结果是维度为m-n+1×m-n+1的点阵数据，卷积核是k个维度为n×n的点阵数据，输入数据的滑动窗口尺度为n×n，横向滑动步长为1，纵向滑动步长为1；第i层池化输入是维度为m-n+1×m-n+1的点阵数据，第i层池化输出结果是维度为[m-n+12]×[m-n+12]的点阵数据，设置滑动窗口尺度为2×2，滑动步进为2； 步骤3、将二维灰度图像数据划分为训练集和测试集，利用训练集对卷积神经网络模型进行训练，直到损失函数值不再减小或达到设置的最大迭代数时停止训练，从而得到训练好的塑料分类模型； 步骤4、将所述测试集中的图片数据经串口发送到ZYNQ开发板上的PS端处理器，将训练好的塑料分类模型部署在ZYNQ开发板的PL端上，并利用PL对PS端处理器发送的测试集进行处理： 步骤4.1、PS端处理器配置n×n大小的寄存器阵列用于缓存从PS端处理器的RAM中读取测试集中的维度为m×m图片点阵数据，并经过第i层卷积层中维度为n×n的卷积核卷积处理后，得到维度为m-n+1×m-n+1的点阵数据，并与对应的偏置数据进行相加后，得到的第i层卷积结果再经过激活函数的激活后存入双口RAM中进行缓存； 步骤4.4、从双口RAM中取出第i层激活后的卷积结果，并经第i层的池化层进行下采样后，输出维度为[m-n+12]×[m-n+12]的第i层池化点阵数据，并暂存至双口RAM中，用于提供给第i+1层卷积层进行处理； 步骤4.5、重复执行步骤4.4和步骤4.5的过程，直到卷积神经网络模型的所有卷积、池化处理完成后，并将最后一层的池化结果进行数据展开，变成一维向量后传输给若干层全连接层进行处理，得到的结果再经过所SoftMax函数进行分类，得到分类结果； 步骤5、所述分类结果经串口发送到HDMI液晶屏上进行显示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。