[發明專利]一種基于嵌入式系統的紋理識別平臺

在審

• 申請號: 202111189328.9
• 申請日: 2021-10-12
• 公開（公告）號: CN113989862A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 魏熙樂;胡本勇;高天時;王江;鄧斌;伊國勝
• 申請（專利權）人: 天津大學
• 主分類號: G06V40/13
• 分類號: G06V40/13;G06V40/12;G06N3/04;G06V10/82;G06V10/54;G01L5/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種基于嵌入式系統的紋理識別平臺，包括：柔性壓力傳感器、下位機和上位機，其中下位機包括數據采集模塊和紋理識別模塊，數據采集模塊包括采集通道控制模塊和模數轉換采集模塊。紋理識別模塊包括數據濾波模塊、尺度劃分模塊、特征提取模塊和識別分類模塊；下位機接收上位機給出的數字控制信號，通過采集通道控制模塊控制傳感器采集數據，采集通道控制模塊的輸出信號用來控制柔性壓力傳感器采集通道的通斷，以此來獲得相應通道的壓力信號；數據采集模塊采集到柔性壓力傳感器的壓力信號后，模數轉換采集模塊對輸入信號進行模數轉換操作，之后將轉換完成的數據傳輸到紋理識別模塊中的數據濾波模塊進行濾波處理。

技術領域

本發明涉及智能感知與特征識別領域，特別是一種基于觸覺壓力的紋理識別系統。

背景技術

紋理特征是機器人區分物體的重要參考，紋理識別的研究對機器人發展具有重要意義。近年來，機器學習的發展為紋理識別提供了巨大的幫助，卷積神經網絡由于其在圖像識別上的優勢得到了越來越多的青睞。如何利用機器學習的優勢提高紋理識別的準確率仍然是當前研究發展的主流方向。同時為了能將紋理識別應用在機器人上，神經網絡模型的硬件實現也是紋理識別領域未來發展的重要內容。

發明內容

本發明提出一種基于嵌入式系統的紋理識別平臺。該系統首先通過柔性壓力傳感器和STM32下位機采集柔性壓力傳感器在不同紋理表面滑動過程中的壓力數據，之后在STM32下位機中利用神經網絡模型對紋理數據進行識別，最后在上位機中對識別結果進行實時顯示。在神經網絡模型硬件實現部分，本平臺采用了一種并行計算的硬件架構，將采集到的壓力數據分成三部分在3塊STM32芯片上并行計算，相比于傳統的串行計算架構，并行計算下的卷積神經網絡模型計算時間減少到原來的四分之一。在神經網絡模型部分，采用多尺度卷積神經網絡進行特征提取和紋理識別，相比于傳統的AlexNet、VGG16等網絡模型，多尺度卷積神經網絡模型顯著的提高了紋理識別的準確率。本發明解決所述技術問題采用的技術方案是：

一種基于嵌入式系統的紋理識別平臺，包括：柔性壓力傳感器、下位機和上位機，其中下位機包括數據采集模塊和紋理識別模塊，數據采集模塊包括采集通道控制模塊和模數轉換采集模塊，其特征在于，紋理識別模塊包括數據濾波模塊、尺度劃分模塊、特征提取模塊和識別分類模塊；

下位機接收上位機給出的數字控制信號，通過采集通道控制模塊控制傳感器采集數據，采集通道控制模塊的輸出信號用來控制柔性壓力傳感器采集通道的通斷，以此來獲得相應通道的壓力信號；數據采集模塊采集到柔性壓力傳感器的壓力信號后，模數轉換采集模塊對輸入信號進行模數轉換操作，之后將轉換完成的數據傳輸到紋理識別模塊中的數據濾波模塊進行濾波處理；

所述的柔性壓力傳感器，包括三個部分：四指部分、拇指部分和手掌部分，拇指部分傳感器是一個整體的電極陣列；四指部分傳感器由四個手指形狀的電極陣列組成；手掌部分傳感器是一個整體的電極陣列；

尺度劃分模塊，用來將濾波后的數據按照不同時間尺度進行劃分，方法為：將一個采樣周期內采集到的數據劃分成不同時間尺度的數據，每個采樣周期內采集到T_n幀數據，尺度劃分模塊按照設定的比例關系將采集到的數據分成不同幀數的數據，分別存儲在不同地址的SRAM中；

特征提取模塊用來提取不同時間尺度下的數據特征，并將提取到的特征加權平均，作為最終的特征，方法為：提取不同時間尺度下的數據特征，從SRAM中讀出不同尺度的數據后，將數據投入到相應路徑中的卷積神經網絡中，利用卷積神經網絡來提取特征，提取的特征以特征向量的形式輸出，最后對不同路徑的特征向量加權平均，得到最終的特征向量；