27

极术小能手 · 2021年09月18日 · 广东

2021年集创赛获奖作品合集

2021全国大学生集成电路创新创业大赛(以下简称“集创赛”)已经结束,在比赛中出现了很多优秀作品,特作为整理。

1. Arm杯:基于 Cortex-M3 内核 SOC 的动目标检测与跟踪系统

获奖情况:一等奖
本系统基于Xilinx Artix XC7A100T平台,在其基础上搭载Cortex-M3内核,AMBA总线,总线上外挂GPIO,LCD,OV5640,DDR3和HDMI等外设模块,基于混合高斯建模及Meanshift等相关算法,实现了对摄像头输入图像的动目标检测与实时跟踪功能,高效运行智能算法,使系统具备了无人实时运行,高效智能化处理任务的能力。
image.png

2. Arm杯:Cortex-M3语音识别声源定位系统

获奖情况:一等奖
本作品是基于Coretex-M3 Design Start的语音识别和声源定位识别系统,包括Digilent NexysVideo开发板、自制麦克风矩阵模块、ESP8266无线互联模块、LCD屏幕、载体小车以及安卓端APP组成。
image.png

3. Arm杯:基于arm Cortex-M3处理器与深度学习加速器的实时人脸口罩检测 SoC

获奖情况:一等奖
本项目开发了一种如图所示的基于arm Cortex-M3处理器和深度学习加速器的人脸口罩检测SoC,该SoC面向商场、地铁站等流动人口聚集场所,能够实现高性能、高稳定性、低功耗的人脸口罩实时检测。此外,该SoC还具备社交距离检测、蓝牙无线通信等功能,可以在特定应用场景中协助配合人脸口罩检测系统,加强对疫情的阻击防控。
image.png

4. Arm杯:基于ARM核的智慧病房手势识别方案

获奖情况:二等奖
本项目在FPGA上部署智能SOC,实现手势识别功能,从而使病人可以使用手势来发出护理请求。
image.png

5. Arm杯:基于ARM-M3的双目立体视觉避障系统 SOC设计

获奖情况:二等奖
本设计在Xilinx FPGA平台上构建了ARM-M3软核,设计了加速双目视差图像计算的SOC及相关控制外设,通过ARM核+协处理器的方式使得整个系统在计算深度图像时的图像采集性能、功耗、成本优于常见的嵌入式系统及一般性能的PC机。相较于传统单片机串行采集相机数据,传输单个像素进行显示,根据定时器中断产生PWM,以及在PC机上都难以实现的稳定视差图计算输出在本系统中都由硬件实现,极大减轻了CPU负担。
image.png

6. Arm杯:基于Cortex-M3的室内老人跌倒行为检测系统

获奖情况:二等奖
本系统利用Cortex-M3处理器内核以及在FPGA平台上独立设计SOC架构,实现了对摄像头采集的图像进行实时的跌倒行为检测功能。
image.png

7. Arm杯:基于FPGA的人脸检测SoC设计

获奖情况:三等奖
本SoC是基于ARM官方提供的Cortex-M3软核和Xilinx Artix-7系列开发板实现,使用AMBA2和AMBA3总线协议以及ARM提供的CMSDK工具设计SoC。外设搭配一个摄像头用于数据的采集,一个液晶显示屏用于显示处理结果,同时绑定数码管显示人脸数量等信息。基于Viola-Jones算法完成人脸检测的功能,实现了Viola-Jones算法完成人脸检测的功能。
image.png

8. Diligent杯:基于Cortex-M3软核的智能识别称量平台

获奖情况:一等奖
本项目主要由Digilent Nexys DDR开发板搭建SOC,并且搭配了摄像头,Wi-Fi模块,压力传感器,双显示屏等外设,组成一个集感知、智能识别、人机交互、网络互联、软硬件协同加速等特点于一体的SoC系统。
image.png

9. Diligent杯:基于CORTEX-M3硬件加速的目标跟踪锁定系统

获奖情况:二等奖
本组使用FPGA硬件加速器 + Cortex-M3软核所实现的基于灰度、饱和度和HoG特征融合的相关滤波跟踪算法,运行稳定,帧率较高,鲁棒性强,功率消耗低,配合摄像头可以在多个应用场景使用。例如机场检测,工地监测,无人机机载跟踪等等。同时使用灰度特征、饱和度特征和HoG特征,对摄像头要求较低,对像素要求较低。在常规目标跟踪中精度很好,超常规算法
image.png

10. Diligent杯:基于FPGA的动态视觉感知融合的运动目标检测系统

获奖情况:二等奖
本项目采用了一种动态视觉传感器(DVS)和卷积神经网络相结合的运动目标检测混合算法策略。通过软件与硬件的结合,将ARM Cortex-M3软核嵌入FPGA,完整地搭建出嵌入式系统,该系统可实现摄像头驱动并传输数据、运动目标定位检测、结果可视化输出至HDMI等。系统具有采集视频图像实时,定位准确,识别误差低,速度快等特点。完成了DVS的目标检测算法在更底层的嵌入式系统移植验证。
image.png

11.IEEE杯:一种28GHz高能效Outphasing PA设计

获奖情况:一等奖
本项目设计了一种新型的逆向电流型Outphaisng PA,用了包络电荷加速技术在内的多种技术来提高性能,实现了额外的信号调制模式,实现更高的峰值效率。
image.png

12.IEEE杯:面向5G应用的高效率毫米波Doherty功率放大器

获奖情况:二等奖
本设计基于TSMC 40nmCMOS工艺,实现了损耗小,更宽工作带宽、线性度高的串并联合成Doherty架构功率放大器。
image.png

13. Robei杯:基于Robei EDA工具的仓储货物分拣机器人设计

获奖情况:一等奖
本项目以北京航天微电子科技的BM3823微处理器为核心处理器,结合其高可靠性高抗辐射的特性,设计实现了一个具备基本功能的仿真“火星车”平台。该平台最大化利用BM3823外设资源,用GPIO实现红外检测、超声测距等,用UART中断实现远程控制、数据回传,制定了相关串口传输协议,用IIC实现机械臂舵机组控制、OLED显示和环境感知,用定时器中断实现二级线程划分,包括通讯线程与控制线程,用SPI转CAN实现了车体控制。整合上述相关资源,实现远程控制、图像回传、机械臂遥控抓取、系统状态监测、环境感知、智能避障等多种功能。
image.png

14. Robei杯:基于Robei EDA工具的隔离病房看护机器人设计

获奖情况:一等奖
本项目的机器人创新采用了 FPGA 芯片,并利用国产 Robei EDA 工具进行设计和仿真。根据疫情防控以及病房隔离的需求,设计一款基于Robei EDA工具的看护机器人具备病患状态监测、病房环境监测、 无接触式运送服务、娱乐休闲服务四大基本功能。经过系统设计与调试,机器人可以达到预期的要求,随着时间的推移,机器人还可以不断地完善,可以更好的为行业服务。
image.png

15. 海云捷迅杯:基于稀疏卷积与层融合的流水线优化方案

获奖情况:一等奖和企业大奖
本项目采用Intel Cyclone V系列的SoC芯片进行开发,部署以MobileNet V1为backbone的SSD目标检测模型,对硬软件进行协同优化,以提高目标检测效率。整个系统包括PS (processing system) 端和PL (programmable logic) 端两部分,PS端包括ARM处理器、Memory,负责数据传输及计算流程的预处理和控制;PL端则包括卷积和偏置激活计算单元、SRAM等,负责对高负载的运算进行加速。PL端的数据通过Avalon总线与DRAM进行交互。
image.png

16. 航天微电子杯:基于BMTI高可靠SPARC处理器的智能控制系统设计

获奖情况:二等奖
本项目以北京航天微电子科技的BM3823微处理器为核心处理器,结合其高可靠性高抗辐射的特性,设计实现了一个具备基本功能的仿真“火星车”平台。该平台最大化利用BM3823外设资源,用GPIO实现红外检测、超声测距等,用UART中断实现远程控制、数据回传,制定了相关串口传输协议,用IIC实现机械臂舵机组控制、OLED显示和环境感知,用定时器中断实现二级线程划分,包括通讯线程与控制线程,用SPI转CAN实现了车体控制。整合上述相关资源,实现远程控制、图像回传、机械臂遥控抓取、系统状态监测、环境感知、智能避障等多种功能。
image.png

17. NI杯:基于IECUBE-3100的高精度数模转换器设计及自动化测试方案

获奖情况:三等奖
系统主要由开关电路、滤波电路、R-2R电阻网三部分组成,控制信号通过控制开关电路的开通与关断,进而控制基准电压施加在不同的R-2R电阻网接口上,来决定电阻网最后的输出电压,最后通过二阶低通有源滤波电路对输出信号进行滤波,使其输出波形更加光滑,提高了输出波形的精度。为了避免输出非光滑信号时由于滤波电路本身的特性而产生失真,本设计加入了一个拨动开关SW1,控制滤波电路与电阻网之间的连接与断开以消除此种影响。image.png

18. 平头哥杯:智能头盔设计

获奖情况:三等奖
本次设计的无线智能安全头盔是一款集图像识别、WIFI无线传输、环境信息采集、图像拍摄、电池供电等功能于一体的穿戴式智能头盔,实现远程实时检测,调度指挥功能,可广泛应用于现场信息监控、救援、巡检等各种应用场景。
image.png

19. RISC-V杯:自适应噪声环境的超低功耗语音关键词识别系统

获奖情况:一等奖
本文设计的SoC系统处理器基于RISC-V指令集,通过NICE协处理器接口接入所设计的语音识别神经网络加速器,处理器通过自定义指令可控制加速器开关并读取运算数据,数据最后通过E203处理器处理并将识别结果实时显示在OLED屏上,同时可通过语音控制OLED屏上的贪吃蛇小游戏。此外,该系统可针对低信噪比和高信噪比噪声环境切换不同精度的神经网络,实现在噪声持续变化的环境中,根据信噪比大小自动选择合适的工作模式。在语音识别加速器算法上,本文实现了基于SNR预测模块的神经网络。
image.png

20.RISC-V杯:基于E203 处理器的SM4算法硬件加速

获奖情况:三等奖
本项目基于开源E203处理器在FPGA开发板上对国产密码算法SM4算法进行实现和优化,并实现了对字符串的加密与解密。
image.png

21.RISC-V杯:基于E203 & ShuffleNet的图像识别SoC

获奖情况:三等奖
本设计以E203处理器为核心,添加协处理器、神经网络加速器、用于显示的外设(12864型LCD屏和通过HDMI连接的显示器)、输入按键、DDR、以太网等外设构成SoC,实现了两种识别模式:单张识别和连续识别。系统的设计定位为云端处理,可以对大量图片(来自以太网)进行快速识别,即连续识别,此模式实现了 PC 和 FPGA 进行图像数据的传输与通信。
image.png

更多内容可查看集创赛获奖作品集锦(2017~2021)
推荐阅读
关注数
18744
内容数
129
基于Arm技术竞赛作品的分享,欢迎交流~
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息