SpikoPoniC脉冲神经计算器

毫秒级鱼类尺寸测量

首次将脉冲神经网络用于水产养殖的实时监测，以极低硬件成本实现远超通用计算机的鱼长与体重估计速度。

Siddique, Ali · Jingqi, Sun · Kung Jui, Hou · Vai, Mang I. · Pun, Siohang · Iqbal, Muhammad Azhar

Agriculture (Switzerland) 2023

参数信息

分类速度

84 million samples/s

相对通用计算机加速比

3369 ×

FPGA slice registers 数量

1100 slice registers

技术优势

快 3369 倍

每秒分类 8400 万条鱼样本，直接把实时鱼类尺寸估算从不可能变为可能。

硬件开销极低

在 Virtex 6 上只占用不到 1100 个 slice registers，比大多数 SNN 硬件系统便宜得多，易于现场部署。

长重双估计

系统同时估算鱼的长度和重量，而非只做分类，为水产养殖提供更完整的生长数据。

混合训练保精度

部分层用直接 SNN 反向传播，部分层用标准反向传播，兼顾硬件效率和精度。

应用场景

• 智能水产养殖：实时监测鱼群生长，无需人工抽样。
• 鱼类生长监测：同时估算长度和重量，自动跟踪生长曲线。
• 边缘计算：在 FPGA 上低功耗推理，减少云端依赖。
• 实时视觉系统：处理视频流中的鱼图像，即时输出尺寸信息。