2018年7月1日，由Intel、ADI、ISSI、友晶科技等联合举办的2018 InnovateFPGA全球创新大赛大中华区决赛经过两天激烈角逐，终于在武汉大学落下帷幕。本次大赛前三名的队伍8月将代表大中华区参加在美国Intel总部举行的全球总决赛。

     2018 InnovateFPGA全球创新大赛由连续举办十余届的亚洲创新设计大赛，升级为包括大中华区、美洲区、中东欧区、亚太区（除中国外）4个区域的全球创新大赛。据主办方介绍，本次大赛吸引了全球441个队伍参加，其中包括大中华区的143个参赛队；参赛对象也从学生扩展到了工程师、创客们。

    本次大中华区参赛作品包括人工智能、机器学习、高性能计算、物联网、机器人技术等，极富创意的作品将FPGA的优势发挥得淋漓尽致，受到专家一致好评！获奖名单如下：

颁奖礼上，专家也对参赛作品进行了中肯的点评。

An OpenCL-Based FPGA Accelerator for Convolution Neural Networks

专家点评：

    随着越来越多的人工智能/机器学习的应用涌现，现有的以单一CPU为主的硬件平台越来越不能满足日益增长的计算能力的需求了，许多用户开始谋求使用FPGA来加速各种软件算法的应用方式。我们这一届的竞赛作品中也涌现出来不少基于FPGA加速的与深度学习相关的作品。

    该作品在DE10-Nano SoC有限的硬件资源条件下，不仅实现了CNN的卷积，池化，激活函数，全连接等加速功能，还不断地对性能进行优化，实现了Alexnet的分类处理一张图片低于200ms。其优化结构的pipe-CNN模块，在包括Alexnet，VGG，Fast-r-cnn等多个CNN网络上进行了验证，不仅实现了ＣＮＮ对图像的分类，还实现了人脸检测，SSD等更具实用化的功能。在现场演示时，也实现了对摄像头实时采集的图像进行识别，分类的能力，表现十分优秀。如果该作品可以将板上的HDMI输出集成到设计中，从而可以使用单独一块板子进行演示，那就更加完美了。

一种硬件友好型非监督权值共享机制 的忆阻神经网络数字电路设计

专家点评：

    创新性地应用忆阻器原理到神经网络训练算法中，为FPGA在神经网络中的更多使用打下基础。为了有效利用FPGA硬件资源，有设计了权值共享的架构，使用更少的资源实现相同的性能。希望接下来团队可以不仅仅停留在仿真上面，而是用到实际网络上，得到更有价值的实测数据。

智能自动调音器

专家点评：

    作者制作的智能自动调音器，是一种乐器辅助工具，能够对吉他、尤克里里等弦乐器的音高进行校正。如果进行改进，还可以对小提琴、大提琴、古筝等弦乐器进行调音，既是乐器经销商青睐的产品，也是乐器初学者必备的工具，市场应用前景广阔。

    该作品除了调音功能外，还具有节拍器和琴弦音高评分的功能，非常实用。特别是对琴弦音高的评分，可以对琴的质量做出客观判断，这对购买乐器的人来说，又是一个福音，避免了经销商对客户的忽悠。另外，通过蓝牙与手机进行通信，在手机上可以选择工作模式、频率、节拍器界面等，增强了用户的体验感。

    作者采用DE10-nano SOC平台来制作调音器，主要由A9处理器模块、音频采集模块、步进电机控制模块、语音播报和LED灯提示、与手机的蓝牙通信模块等部分组成。

    音频采集模块使用拾音器采集拨动琴弦的声音频率，送入WM8731音频编解码芯片，转换成数字信号，送入A9处理器进行处理。其中，采集到的琴弦音频信号中包含背景噪声、静音段以及琴弦音的原始信号，如何从中识别出准确的频率信息，是调音的关键。

    本设计中另外一个难点是如何根据所采集到的频率来控制步进电机的转动？既要保证校正准确、校正时间短，还要避免调整过度、防止琴弦断掉。作者采用了粗调和细调的方法。

    总之，作品很好地利用了DE10-nano平台中的微处理器A9和FPGA的资源，通过调用内部集成的IP和自定制IP，搭建出嵌入式SOC硬件系统，通过SD卡上定制的Linux系统，运行用C++编写的应用程序，实现了整个系统的功能。

    最后，希望作者能够在GitHUB上开源该项目，为大家学习SOC软、硬件协同设计提供一个范例，同时，也希望有人能够完善该项目，并最终实现产品化。

依声辨位系统

    “依声辨位系统”是一个很经典的选题，在各种竞赛中经常出现类似的题目，也是非常实用且有市场应用价值的项目。作品从硬件设计到软件实现给出了一个比较完整的设计结果并能够演示其依声辨位效果；作品也充分利用了竞赛所提供开发板的资源，包括FPGA和HPS部分，采用OpenCL完成了主要处理部分的编程。    

    该作品的不足之处及需要改进的地方主要是，系统实现依声辨位主要采用的是信号幅值最大准则算法，而且在声音接收传感器板上没有充分考虑传感器间距与声音波长之间的关系，造成只能对演示的特定声音频率效果较好，如果能够在算法上进一步考虑DOA等阵列信号处理算法效果会更好！

基于Intel FPGA的自动烟叶分级系统

    该作品虽然技术难度不大，但该作品系统设计比较完整，演示效果不错。该作品可以继续完善，可在实际的工业系统中应用。希望作品可以做更加深入的研究，提升作品的分类准确性。同时应加强共性基础研究，使之能被广泛的应用到其它领域，例如产品质量分级领域。

麦克风阵列声源定位与识别系统

    本届大赛，人工智能无疑是所有参赛队伍的热门选题。然而，基于图像识别的技术并非是人工智能的全部内涵。对于图像，声音，地理位置等信息的综合智能处理，都是人工智能技术的不可或缺的组成部分。该参赛作品，独辟蹊径，选择了声源目标识别与定位作为研究方向，令人耳目一新。

    该参赛作品选择麦克风阵列作为信号输出，充分利用了FPGA的硬件并行计算能力，将复杂的算法利用硬件逻辑实现，提高了运输速度，节省了CPU资源。

    该参赛作品设计团队非常完整，成功地展示一个可以实用的设计。理论架构描述条理清楚，逻辑分明；实际演示效果也非常清晰，明确。该系统可以广泛应用于安防，远程视频电话，和智能机器人领域。

    该设计在声音测量的精确度，过滤噪声，抗干扰能力上，还有进一步提高和改进的空间。

基于FPGA的环视辅助驾驶系统

    该作品使用了四个摄像头，通过FPGA实现影像拼接和鱼眼校正。该作品除了稍微有点重影瑕疵之外，已经接近商业化水平。该作品完全使用硬件描述语言实现，工作量较大。但比较遗憾的是作品由西安带来时摄像头受损，影像最终演示效果。这恰恰说明该作品设计上对于作品的可靠性考虑不太充分，未提前做好发生故障的预案。由于摄像头是通过多条杜邦线连接到主板，可靠性较差。建议可改用扁平线缆以提高可靠性。此外，在HPS一侧的功能发挥不足，在后续可以考虑增加倒车辅助轨迹、车辆报警等功能。

基于深度学习的眼科疾病诊断系统

    医电结合是当今信息技术发展的一个重要趋势。中山大学的几位同学所设计的作品就代表了这种趋势。这一作品基于FPGA实现了眼科疾病诊断的小型化和便携化，为方便缺乏基础设施的边远地区眼病诊疗提供的便利。但作品仅处于初创阶段，对于作品的优化尤其是面向FPGA本身的优化有较大不足。此外，对于病理数据的采集和分析是影响医电结合应用能否较长远发展下去的关键因素，在这一点上也需要进一步加强。

A getting started tutorial on FPGA implement of CNN using OpenCL

    最大的亮点是使用仅仅120行OpenCL的代码，在FPGA上实现了CNN中的卷积，池化功能，将CNN计算中最耗时的两样处理，用FPGA进行了加速，并提供了一个简单易用，步骤清晰的教程，给那些希望使用FPGA来进行神经网络加速的初学者，提供了一个非常好的起点。如果能将代码再做更多的优化，提高性能就比较完美了，另外，如果能够实现将外接摄像头，或者任意获取的视频，图片接入所实现的ＣＮＮ系统，实现图像的分类或识别，就更能带来完美的展示效果了。

肖像写真器

    该作品通过机械手臂来模拟素描过程，项目有一定的趣味性和实用性，结构也比较完整。但改作品极少中对于系统原理描述过多，对于FPGA设计的内容偏少。同时在绘图时采用了描点法，没有将线条矢量化，导致绘画的速度过慢。这导致现成展示效果不佳，没有发挥出FPGA并行高效的特点，因而还存在很大的改进空间。

SC-DNN - Deep Neural Network using Stochastic Computing

    随机计算从2001年开始被广泛研究以来几经沉浮，最终随着人工智能的再次兴起而大放异彩。基于随机计算方法的深度神经网络可以在运算精度和网络规模上被极大的压缩，因而成为了近年来研究的热点。目前在DAC、DATE等国际顶尖学术会议上有大量热点论文在关注和讨论这一问题。但让我意想不到的是，这一个以前沿研究为背景的作品是在台湾大学的几位本科同学的课程设计作业上扩展而来。几位同学不但复现了前沿的研究，还提出了一系列自己的想法和改进。从这一点上来看，台湾大学的课程深度和学生培养质量还远在大陆地区高校之上，值得我们认真学习和追赶。台湾大学同学的作品仍然有进一步研究的潜力，希望在回去后能更加深入的开展相关研究，力争在顶尖学术会议上发表论文。