基于DaVinci平台的铜成分软测量系统设计

摘要

针对具体的应用场合，如何设计软测量技术的合理硬件架构、高效软件框架及高性能算法，是非常值得研究且极富挑战的内容。本文针对废杂铜冶炼过程中铜成分检测滞后大等问题，以TI DaVinci家族的ARM与DSP双核芯片TMS320DM6446为核心设计并实现了一个铜成分软测量系统。以实时性、准确性为目标，设计了一个高效的软件框架，提出了一系列高性能的算法:复杂背景下铜块图像感兴趣区域(ROI)提取的SBRE方法、基于纹理特征的ROI质量检测方法、ROI颜色特征提取方法以及S-GMR铜成分回归方法，并成功在DaVinci平台实现。通过实际测试，系统具有准确、快速等优良性能。
　　 本文详细阐述了基于DaVinci平台的铜成分软测量系统的设计开发工作，主要贡献和创新点有:
　　 1.搭建DaVinci双核软硬件平台并设计了高性能的软件框架:ARM端搭载实时操作系统MontaVista Linux，多线程框架实现图像采集、处理、显示、人机交互等功能;DSP端搭载实时多任务操作系统DSP/BIOS，负责图像处理算法和铜成分软测量运算。两个核物尽其用，充分发挥各自的处理优势。
　　 2.铜块图像ROI自动提取算法的研究与实现:提出了适用于复杂背景下铜块图像ROI提取的SBRE方法，具有不错的鲁棒性和准确性。
　　 3.铜块图像ROI质量检测与特征提取的实现:针对铜块图像ROI存在纹理噪声等问题，提出了利用LBP特征、VAR特征值和灰度方差进行ROI质量检测的方法。通过先对铜块图像ROI进行质量检测筛选出质量合格的ROI再进行颜色矢量角度均值特征提取，有效地保证了之后铜成分估计的准确性。
　　 4.铜成分软测量模型的研究与实现:针对铜成分估计问题，提出了基于支持向量机分类和高斯混合回归的S-GMR方法，用高斯函数去模拟铜成分及铜块图像ROI颜色矢量角均值的概率分布，具有合理的物理意义，并与ε-SVR方法进行了分析和比较，证明了其先进性。最终将S-GMR方法应用于DaVinci平台，获得了很好的实时性和准确性。

目录

声明

致谢

摘要

1 绪论

1．1 引言

1．2 课题研究背景

1．3 相关技术研究现状

1．3．1 图像处理技术与软测量方法相结合的研究现状

1．3．2 软测量技术应用于嵌入式平台的研究现状

1．4 主要贡献和创新点

1．5 章节安排

1．6 本章小结

2 DaVinci软硬件平台的搭建

2．1 硬件选型及方案设计

2．1．1 设计要求

2．1．2 徼控制器选型

2．1．3 硬件方案设计

2．2 ARM靖软件平台搭建

2．2．1 Uboot移植

2．2．2 MontaVista Linux内核移植

2．2．3 文件系统构建

2．3 DSP端软件平台搭建

2．3．1 DSP／BIOS配置

2．3．2 双核开发环境的搭建

2．4 平台测试

2．5 本章小结

3 软件整体架构与实现

3．1 整体软件架构

3．2 ARM端软件架构实现

3．2．1 图像采集模块

3．2．2 图像处理模块

3．2．3 图像显示模块

3．2．4 多模块间同步与通信

3．2．5 Qt界面的实现

3．2．6 Qt界面和图像的双重显示

3．3 ARM和DSP端双核通信

3．3．1 基于Codec Engine框架的程序设计

3．3．2 CMEM

3．3．3 DSPLink

3．4 DSP端软件实现

3．4．1 xDAIS和xDM算法标准

3．4．2 铜成分软测量算法框架

3．5 软件框架测试

3．6 本章小结

4 铜块图像ROI自动提取算法的研究与实现

4．1 ROI提取算法简介

4．2 图象预处理

4．2．1 灰度图提取

4．2．2 图像滤波

4．2．3 边缘图提取

4．3 单一背景下的ROI提取

4．4 问题抽象

4．5 HS多高斯模型的建立

4．5．1 HSV颜色空间

4．5．2 HS多高斯模型

4．5．3 模型建立

4．6 复杂背景下的SBRE方法

4．7 结果分析

4．8 本章小结

5 ROI质量检测与特征提取

5．1 铜块ROI特征分析

5．2 纹理特征分析

5．2．1 纹理特征简介

5．2．2 LBP特征分析

5．2．3 VAR特征分析

5．2．4 灰度方差特征分析

5．2．5 质量检测分析

5．3 颜色特征提取

5．4 本章小结

6 铜成分软测量模型的研究与实现

6．1 软测量模型分析

6．2 ε-SVR方法

6．2．1 ε-SVR模型

6．2．2 建模步骤

6．2．3 参数选择

6．3 S-GMR方法

6．3．1 高斯混合模型(GMM)

6．3．2 EM方法

6．3．3 基于高斯混合模型的回归(GMR)

6．3．4 S-GMR

6．3．5 建模步骤

6．4 回归模型实验比较与分析

6．5 S-GMR在DaVinci平台上的实现

6．6 本章小结

7 总结与展望

7．1 总结

7．2 展望

参考文献

作者攻读硕士学位期间的科研成果