综述：改进的自适应FPGA暗通道先验去雾算法在农业场景边缘计算中的应用

这篇综述创新性地提出了一种基于FPGA加速的改进暗通道先验（DCP）去雾算法，针对农业无人机在雾霾环境下的实时图像处理需求，通过自适应窗口滤波、动态阈值调整和天空区域分割策略，显著提升了去雾质量（PSNR 16.07，SSIM 0.78），同时实现低功耗（<2W）和高效资源利用（LUT 8,241）。系统支持1920×1080@60Hz视频输入，并通过RTSP流与智慧农业平台无缝集成，为作物监测和病虫害识别提供清晰视觉数据。

　　

引言

随着无人机视觉（UAV）在精准农业中的广泛应用，雾霾环境导致的图像模糊问题严重影响了作物监测和病虫害识别的准确性。华南农业大学团队通过FPGA硬件加速，提出了一种改进的暗通道先验（DCP）去雾算法，为农业边缘计算提供了高效解决方案。

系统架构

硬件采用三层设计：感知层（工业相机）、处理层（Xilinx XC7S25 FPGA）和传输层（Raspberry Pi+RTSP协议）。FPGA通过并行计算实现了1920×1080@60Hz视频的实时处理，功耗控制在2W以内。逻辑架构采用分层流水线设计，包含物理交互、硬件加速和数据共享模块，支持HDMI和LVDS接口的多场景调试。

算法优化

1. 农业场景自适应机制

   通过采集果园数据集，提出基于饱和度（S）和对比度（C）的双阈值雾密度判定法。饱和度公式S=(1/mn)Σ(max(R_ij,G_ij,B_ij)-min(R_ij,G_ij,B_ij))/max(R_ij,G_ij,B_ij)通过LUT实现FPGA高效计算，对比度阈值（110和160）区分厚、中、薄雾。

2. 雾密度感知增强

   引入“敏感窗口”和“过渡幅度”概念，设置动态阈值（X=5，Δ=8）避免视频闪烁。实验显示该机制在浓雾、中雾、轻雾场景的分类准确率均超过97%。

3. 自适应窗口滤波

   采用八方向Sobel算子（0°-157.5°方向加权）检测边缘，结合5×5/3×3最小滤波窗口动态调整，有效消除传统DCP的白边伪影。对比实验表明，3×3窗口比15×15标准窗口边缘保留度提升40%。

4. 天空区域分割

   基于亮度差异设计新型分割策略：计算像素平均亮度I_avg和蓝色通道均值I_B,avg，通过灰度概率统计动态设定阈值u₁、u₂。分割后的天空与非天空区域分别计算透射率t_sky=1-ω(1-I_{pro_dark}/A_sky)和t_nsky=1-ω(I_{pro_dark}/A_nsky)，解决了传统DCP的天空过曝问题。

实验结果

硬件资源占用仅56.45% LUT和16.67% BRAM，处理延迟低至16.67ms/帧（1080P）。在荔枝园场景中，目标检测准确率提升50%，PSNR和SSIM分别优于对比算法15%和12%。天空分割算法在背光条件下仍保持90%以上的分割准确率。

应用与展望

该系统已成功应用于荔枝产量估测，未来将集成光学衰减补偿模块以应对高湿度环境。研究为农业边缘计算提供了“低功耗-高精度-场景适配”的技术范式，推动智慧农业向实时化、智能化发展。