基于目标检测算法的<bold>HEPS-BPIX4 DAQ</bold>实时在线图像压缩研究

Abstract

面向高能同步辐射光源（High Energy Photon Source，HEPS）的高性能像素阵列探测器（HEPS-BPIX4）的数据获取系统（Data Acquisition，DAQ）需满足高实时性要求。通过在线压缩图像数据，可有效降低后续传输与存储的压力。针对传统压缩算法在压缩率和实时性方面的不足，本文提出了一种基于深度学习目标检测的图像数据在线压缩方法。采用端到端的YOLO（You Only Look Once）目标检测算法，对深度学习模型进行高效训练，并验证了其在HEPS-BPIX4 DAQ数据流中实现在线数据压缩的可行性。实验结果表明，该方法的图像数据在线压缩平均压缩比达到5.88。同时，设计了高效的部署方案，并对性能进行了测试，单线程下的压缩处理速率可达GB∙s-1量级。此外，进一步提出了适用于HEPS-BPIX4 DAQ框架的多线程部署方案，以满足更高的压缩性能需求，为缓解HEPS-BPIX4 DAQ系统高带宽图像数据处理压力提供了新思路。

Keywords

• 高能同步辐射光源
• 高性能像素阵列探测器
• 在线数据获取
• 目标检测
• 数据压缩
• DAQ系统