边缘计算下的高效刮板检测技术：并行Hough变换在JetsonNano上的应用

"本文主要探讨了一种面向边缘计算的选煤厂刮板检测方法，针对当前刮板检测方法存在的计算量大、效率低、实时性差的问题，提出了一个基于并行化Hough变换的解决方案。这种方法特别适用于低功耗、低成本的嵌入式设备如JetsonNano。" 在选煤厂中，刮板输送机是重要的煤炭输送设备，而刮板的状态直接影响着生产效率和安全性。传统的刮板检测方法通常涉及大量的计算，这在资源有限的边缘计算设备上会导致执行效率低下和实时性不足。为此，研究者们提出了一种新的方法，利用Hough变换算法来检测刮板，同时对其进行了并行化处理。 首先，该方法对刮板图像进行预处理，包括去噪、增强对比度等步骤，以便于后续的特征提取。接着，通过Hough变换算法来检测刮板的边缘，并计算其角度。当刮板的角度偏离正常范围时，系统会触发报警；如果角度在设定的阈值范围内，则判断刮板状态正常。关键创新在于并行化Hough变换，通过零拷贝数据传输技术减少数据交换的时间开销，并设计了CPU与GPU协同工作的模式。CPU负责图像预处理，而可并行化的Hough变换任务则交由GPU处理，这样能够充分利用JetsonNano的硬件资源，提高处理速度。 实验结果显示，在JetsonNano上，对于960×540分辨率的刮板图像，使用并行化的Hough变换算法，检测速度提升了10倍，达到17帧/s的帧率，刮板角度的准确率高达96.3%，完全满足实时性的需求。这种方法有效地解决了低功耗设备上刮板检测的实时性和效率问题，对于提升选煤厂的安全性和自动化水平具有重要意义。 关键词：选煤厂，刮板输送机，刮板检测，边缘计算，Hough变换，JetsonNano 通过并行化Hough变换和优化的数据传输方式，本文提出的解决方案在边缘计算设备上实现了刮板的高效检测，为工业场景中的实时监控提供了有效工具，也展示了边缘计算在解决复杂实时问题上的潜力。