基于FPGA机器视觉缺陷检测 实现铝片表面四种缺陷的检测 包含源码和端测文件 使用SSD-MobileNetV1模型，识别精度达到85%以上。

1. 系统整体架构概述

本系统面向金属板表面缺陷检测任务，基于SoC FPGA平台（AIEP开发环境）构建了一套软硬协同的实时目标检测系统。系统采用SSD-MobileNetV1作为核心检测模型，通过HPS（Hard Processor System）端完成模型推理调度与任务管理，PL（Programmable Logic）端实现图像采集与显示的硬件加速，二者通过共享内存与Linux进程间通信机制实现高效协同。

系统整体划分为三大功能模块：

• PL端图像通路：负责从虚拟摄像头（VCAM）采集图像并写入DDR3内存，以及将推理结果从内存读出并通过虚拟HDMI输出；
• HPS端推理引擎：基于PaddleLite框架加载量化后的SSD-MobileNetV1模型，对图像进行目标检测；
• 顶层控制与生命周期管理：通过Shell脚本统一调度各组件，确保系统稳定启动、运行与安全退出。

2. 软件功能模块详解

2.1 顶层控制脚本：`ssd_start.sh`

系统启动与退出由顶层Shell脚本 ssd_start.sh 统一管理。该脚本承担以下关键职责：

• 环境初始化：配置运行环境，复制最新版本的图像传输程序（transfertest → ssdtransfer）；
• 共享内存创建：调用 ssdshminit 程序，创建具有固定KEY的System V共享内存段，并初始化内部寄存器（用于进程同步与退出控制）；
• 并发进程启动：以后台方式同时启动 ssdtransfer（图像I/O）与 ssddetection（模型推理）两个核心进程；
• 安全退出机制：捕获用户输入的 Ctrl+C 信号，不直接终止子进程，而是调用 ssd_quit 程序向共享内存写入“退出标志”，由各子进程主动检测该标志并执行资源释放与优雅退出。

此设计有效避免了僵尸进程的产生，提升了系统鲁棒性。

2.2 图像传输进程：`ssd_transfer`

ssd_transfer 进程负责PL与HPS之间的图像数据流转，其核心功能包括：

• 图像采集：通过PL端的 DVP_DDR IP核，将VCAM输出的图像帧写入HPS可访问的DDR3内存区域；
• 图像文件化：将内存中的原始图像数据以24位BMP格式保存为 0_image.bmp，作为推理进程的输入缓冲；
• 结果回写：推理完成后，从 0imageresult.bmp 读取带检测框的结果图像，并通过 DDR_VGA IP核写回DDR指定地址，供PL端输出至虚拟HDMI；
• 状态同步：通过读写共享内存中的寄存器（如 shmset1）通知推理进程“新图像已就绪”，并轮询退出标志以响应系统终止请求。

该进程采用循环结构持续运行，仅在接收到退出信号后才终止，确保低延迟图像通路。

2.3 模型推理进程：`ssd_detection`

ssd_detection 是系统的核心智能模块，基于PaddleLite推理引擎实现，其关键设计如下：

• 模型加载优化：在进程初始化阶段一次性加载量化后的 .nb 模型文件，避免重复IO开销；
• 推理循环：主循环中持续监听共享内存状态。当检测到“图像就绪”信号后，读取 0image.bmp，执行前处理 → 模型推理 → 后处理全流程，并将结果图像写入 0image_result.bmp；
• 退出仲裁机制：在每次推理前后均检查共享内存中的退出标志，一旦触发即跳转至资源清理流程（如释放模型内存、关闭文件句柄等），确保无内存泄漏；
• 双线程结构：内部采用双线程设计（如htop监控所示），可能用于分离I/O与计算任务，提升吞吐效率。

该进程针对嵌入式平台进行了深度优化，采用8-bit量化模型，在保持85.52% mAP精度的同时显著降低计算负载。

3. 进程间协同机制

系统通过 共享内存 + 文件缓冲 的混合通信模式实现高效协同：

• 控制信号：使用System V共享内存中的整型寄存器作为状态标志（如0=空闲，1=图像就绪，2=请求退出），实现低开销的进程同步；
• 数据交换：图像数据通过临时BMP文件（0image.bmp / 0image_result.bmp）在进程间传递，避免复杂序列化，且BMP无压缩特性保障了读写速度；
• 时序保障：ssdtransfer 写入图像后置位寄存器，ssddetection 轮询该寄存器触发推理，推理完成后再由 ssd_transfer 读取结果，形成闭环流水线。

根据实测数据，单帧处理总耗时约750ms，其中推理占92%（~691ms），图像I/O与文件操作合计仅占8%，表明系统瓶颈集中于模型计算，符合预期。

4. 安全退出与资源管理

系统特别强调运行时的稳定性与资源完整性：

• 所有子进程均内置“退出仲裁”逻辑，主动响应顶层脚本发出的终止指令；
• 退出流程包含：关闭文件、释放共享内存、销毁模型上下文等；
• 顶层脚本在调用 ssd_quit 后会等待所有子进程结束，再自身退出，确保无残留进程。

htop监控验证表明，系统在 Ctrl+C 触发后能完全清理所有 ssd_* 相关进程，证明该机制有效。

5. 总结

本系统通过精心设计的软件架构，在资源受限的SoC FPGA平台上实现了高精度、可稳定运行的缺陷检测功能。其核心优势在于：

• 清晰的职责划分：HPS专注智能推理，PL专注高速I/O；
• 高效的进程协同：共享内存+文件缓冲兼顾控制与数据传输；
• 健壮的生命周期管理：从启动到退出全程可控，杜绝资源泄漏。

该设计为嵌入式AI视觉应用提供了一套可复用的软硬协同范式，具备良好的工程实践价值。