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！

龙图腾网获悉四川轻化工大学申请的专利基于FPGA及轻量化CNN嵌入式快速核素识别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：CN115879521B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211530388.7，技术领域涉及：G06N3/063；该发明授权基于FPGA及轻量化CNN嵌入式快速核素识别方法是由石睿;王博;庹先国;杨剑波;郑洪龙;赵威;兰运良设计研发完成，并于2022-12-01向国家知识产权局提交的专利申请。

本基于FPGA及轻量化CNN嵌入式快速核素识别方法在说明书摘要公布了：本发明公开了一种能充分利用芯片资源，更快地计算出识别结果的基于FPGA及轻量化CNN嵌入式快速核素识别方法。该基于FPGA及轻量化CNN嵌入式快速核素识别方法包括以下步骤：S1、模型建立；S2、模型部署；即搭建轻量化卷积神经神经网络MobileNet模型，在FPGA芯片进行部署，包括核脉冲信号特征提取，轻量化卷积神经网络的建立，在FPGA和ARM异构芯片中进行部署。采用上述基于FPGA及轻量化CNN嵌入式快速核素识别方法减少了模型的参数量和计算量，便于模型的实际推广与应用；能够提出不同的加速计算策略，有效地减少核素识别时间。

本发明授权基于FPGA及轻量化CNN嵌入式快速核素识别方法在权利要求书中公布了：1.基于FPGA以及轻量化CNN嵌入式快速核素识别方法，其特征在于，包括以下步骤： S1、模型建立； S11、首先使用核脉冲发生器生成大量核脉冲数据； S12、利用HHT提取脉冲信号时频特征，建立针对深度学习算法的数据集，按照7:3的比例划分为训练集和测试集； S13、通过Pytorch深度学习框架；搭建轻量化卷积神经神经网络MobileNet模型，所述MobileNet轻量级卷积神经网络包括卷积层、池化层和全连接层； 对模型不断地进行训练、超参数调优和评估，直至模型对于核素的识别性能达到最佳状态，导出模型权重参数，并将其量化到16bit； S2、模型部署； 采用XC7Z020芯片进行部署，所述XC7Z020芯片具有FPGA逻辑模块、两个Cortex-A9ARM处理器； 其中两个Cortex-A9ARM处理器为处理器系统模块；FPGA逻辑模块为可编程逻辑模块； 通过处理器系统模块控制整个模型的执行逻辑，在可编程逻辑模块实现核素识别神经网络的具体计算； 处理器系统模块和可编程逻辑模块之间的数据交互使用AXI数据总线连接； 将网络的权重参数形成Bin文件存入SD卡中，在芯片上电运行时，将SD卡中的数据读入RAM数据缓存区中；核素脉冲特征输入后，依次执行MobileNet的卷积模块、池化模块、全连接模块； 待全连接模块计算出预测的核素概率后，将计算结果再次通过AXI总线传输至处理器系统单元，处理器系统单元选择出概率最大值对应的核素，输出预测类别。

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四川轻化工大学，其通讯地址为：643000 四川省自贡市自流井区汇兴路519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。