·首先完成最基础的视频数据流的建立 图像传感器 显示器驱动电路设计 图像数据能够正常采集并实时显示
通过FPGA完成图像处理算法加速电路设计，实现对目标物的识别（类似菜鸟驿站）
（硬件不需要自己做，FPGA就是驱动）

·进阶完成 基于FPGA外设接口 如串口 以太网口等 完成驱动电路设计 设计一个创新性场景应用并具有一定的产业应用前景

关键技术指标！！！
·识别种类数量越多越好
·识别准确度尽可能高
·鼓励使用AI模型
·尽量提高视频帧率码率（500w像素摄像头，可达到1080p）

采用以太网或AI传输是加分项

需准备

1.PPT作品汇报

项目介绍 设计内容和方案 技术创新点 测试结果

2.设计文档（word）

项目简介 设计方案详情 项目创新点 测试结果 团队介绍和竞赛收获

3.工程源码

工程文件（明确软硬件工作平台 确保可直接测试验证 需按规范并添加注释）

4.其他材料如视频 图片等

3月20号之前报名，5月20日初赛，7月中下旬分赛区决赛（华北赛区就在海大），8月全国决赛

评分标准

可以暂停、回看等等
设计文档是最完整的

市场是检验产品好坏的唯一标准

硬件是可用的完全没问题

申请借用必须通过老师 一个队伍配一套板卡 使用后需要归还 (那坏了咋办) 显示器、采集卡自备 （学校会定？）

口用的越多分越高

摄像头官方提供

有问题可咨询钉钉群 但不能咨询怎么做 可以咨询板卡问题

以下是中科亿海微研制的eq6hl130芯片的介绍：

基本参数

• 规模：1360万门
• 工艺：40nm
• 封装：CSG484塑封、FG484塑封、FG676塑封
• USER I/O：338
• 尺寸：19×19mm（CSG484塑封）、23×23mm（FG484塑封）、27×27mm（FG676塑封）
• 温度范围：-55℃ ~125℃
• 逻辑资源：136000个LUT，136000个寄存器
• 嵌入式存储器：1200个存储单元，总容量5400K
• 时钟资源：8个可编程PLL，最高时钟管理频率可达500MHz
• 其他资源：16路全局时钟，192个18b×18b乘法器

性能特点

• 自主架构与国产化：具有完全自主的芯片架构、电路结构和EDA软件，采用境内工艺、境内流片、境内封装，制造过程自主程度高。
• 高性能与低功耗：在保证高性能的同时，具有低功耗的特性。
• 高性价比：与国外知名可编程逻辑芯片厂家6系列同等资源及以下产品相比，具有高性价比。
• 多种封装形式：支持多种封装方式，可满足用户不同应用需求。
• 兼容性强：可pin to pin替换国外知名可编程逻辑芯片厂家6系列同等资源及以下产品。
• 丰富的I/O接口：最大可提供338个可编程用户I/O, 最多提供169对LVDS差分端口。
• 强大的时钟管理：具有8个可编程PLL，最高时钟管理频率可达500MHz。
• 高效的存储与运算资源：具有1200个4.5K嵌入式存储器单元，最大存储容量5.4M bit，以及192个高速18bit×18bit乘法器。
• 可靠的抗干扰能力：ESD大于2000V。

应用领域

• 工业控制：如运动控制、数据采集等。
• 通信：用于信号处理、数据传输等。
• 信息安全：可应用于加密解密、数据保护等。
• 汽车电子：如车载信息娱乐系统、辅助驾驶等。
• 图像处理：如图像压缩与恢复、视频处理等。

用户支持

• 开发板与Demo板：中科亿海微为用户提供了基于eq6hl130的开发板和Demo板，方便用户进行产品试用和对核心板的二次开发利用。
• 技术支持：公司拥有成熟的FAE队伍，能够高效快速准确响应用户的应用需求，为用户提供专业的技术支持。
• EDA软件：提供亿灵思®设计套件（eLinx Design Suite），拥有国产自主知识产权的大规模可编程逻辑芯片开发软件，可以支持千万门级以上可编程逻辑芯片器件的设计开发。

eq6hl130作为一款高性能、低功耗、高性价比的国产可编程逻辑芯片，具有广泛的应用前景和重要的战略意义。

竞赛准备阶段规划（3月24日 – 8月下旬）

时间节点与阶段目标

1. 初赛阶段（3月24日 – 5月20日）

• 目标：完成基础功能（前60分内容），包括视频流建立、图像处理算法加速、基础接口驱动。
• 关键任务：
  • 开发摄像头（OV5640）与显示（VGA/HDMI）的驱动电路。
  • 实现图像采集→处理→显示的全链路功能。
  • 完成至少一种传统算法（如颜色/形状识别）的硬件加速。
  • 初步优化帧频至30fps以上。

1. 分赛区决赛阶段（5月21日 – 7月20日）

• 目标：完成进阶功能（总分100分），包括外设接口应用、算法优化、创新场景设计。
• 关键任务：
  • 集成开发板外设（如以太网、串口），设计创新应用（如远程数据传输、多设备联动）。
  • 升级算法至AI模型（如轻量化CNN），提升识别种类和准确率。
  • 优化数据通路架构，帧频目标提升至50fps以上。
  • 完善文档和演示材料。

1. 全国总决赛阶段（7月21日 – 8月下旬）

• 目标：系统稳定性与功能完善，强化创新性和答辩表现。
• 关键任务：
  • 修复分赛区遗留问题，提升系统鲁棒性。
  • 增加多场景适配能力（如动态目标跟踪、多分类任务）。
  • 准备高质量答辩材料（PPT、视频、技术文档）。

详细执行计划（初赛阶段为例）

第1-2周（3/24 – 4/7）

• 硬件驱动开发
• 熟悉EQ6HL130开发板资源（SDRAM、PLL、乘法器等）。
• 完成OV5640摄像头DVP接口驱动，实现图像采集。
• 调试VGA/HDMI显示驱动，确保实时显示原始图像流。
• 工具链搭建
• 安装eLinx®开发套件，学习IP核生成与调试工具（如Bitprobe）。
• 建立FPGA与STM32F407的通信（FSMC接口）。

第3-4周（4/8 – 4/21）

• 基础算法实现
• 设计传统图像处理模块（如边缘检测、颜色阈值分割）。
• 利用FPGA并行性加速算法（如并行乘法器加速卷积运算）。
• 实现目标特征提取（如形状轮廓、HSV颜色空间分类）。
• 系统集成
• 连接采集→处理→显示链路，验证功能完整性。
• 初步测试帧频，优化时序约束（PLL配置、流水线设计）。

第5-6周（4/22 – 5/5）

• 算法优化与扩展
• 增加多目标识别（如支持3-5种物体分类）。
• 引入分类器（如SVM硬件化）提升准确率。
• 优化存储资源分配（利用嵌入式RAM缓存中间数据）。
• 外设接口初步集成
• 实现串口通信，输出识别结果至PC端。

第7-8周（5/6 – 5/20）

• 性能调优与测试
• 通过时序分析工具优化关键路径，帧频冲刺至40fps。
• 完善抗干扰设计（如自动曝光调整、动态阈值适应）。
• 初赛材料准备
• 编写设计文档（含方案详述、测试数据）。
• 录制演示视频（展示实时处理效果）。
• 制作汇报PPT（突出技术路径与创新点）。

关键风险与应对策略

1. 摄像头驱动不稳定

• 预留时间调试DVP接口时序，参考官方示例代码。

1. 算法硬件化复杂度高

• 优先选择模块化设计，复用现有IP核（如FIR滤波器）。

1. 帧频不达标

• 采用流水线架构、数据分块处理，减少逻辑延迟。

1. 团队协作效率低

• 使用Git管理代码，每日同步进度，明确分工（硬件/算法/测试）。

资源与工具建议

• 开发工具：eLinx®套件、ModelSim仿真、SignalTap逻辑分析仪。
• 参考资源：
• OV5640数据手册（DVP协议、寄存器配置）。
• EQ6HL130芯片手册（PLL配置、乘法器调用）。
• 往届优秀作品（学习架构设计思路）。
• 硬件调试：利用开发板SDRAM缓存图像数据，减少带宽压力。

总结

以“稳扎稳打、分步迭代”为核心策略，优先确保基础功能的高质量实现，再逐步叠加创新点。初赛阶段需聚焦功能完整性与稳定性，分赛区决赛重点突破算法性能与外设集成，总决赛则完善系统鲁棒性与答辩表现。定期团队会议与阶段性验收是关键，避免后期时间不足。

参考资料1：中科亿海微EQ6HL130型FPGA基本介绍

参考资料2：FPGA竞赛推荐1——2025集创赛中科亿海微杯：基于中科亿海微FPGA的图像处理系统

基于当前时间节点（2025年3月24日）和赛程安排调整，以下是更符合阶段目标的备赛规划，分初赛、分赛区决赛、全国总决赛三阶段推进，兼顾基础功能实现与创新性开发：

​第一阶段：初赛准备（3月24日-5月20日）​

目标：聚焦基础功能实现（图像采集→处理→显示链路），确保初赛60分核心指标达标。

​1. 基础模块开发（4月20日前）​

• ​摄像头驱动​（重点）：
  • 研究配套摄像头的DVP接口协议2，调试OV5640寄存器配置（分辨率设为720p或1080p），实现图像稳定采集。
  • 设计SDRAM双缓存机制，避免帧撕裂（乒乓操作）2。
• ​显示驱动：
  • 优先选择HDMI接口（评分优势），基于eLinx工具生成HDMI IP核或自定义时序逻辑3。
  • 验证显示链路：输出测试图像（如棋盘格）确认时序同步正常。
• ​图像处理框架：
  • 搭建RGB/YUV转换模块，预留算法接口（如颜色分割、边缘检测）2。
  • 实现基础目标识别（如红色物体检测），采用颜色阈值分割+轮廓提取方案（快速验证可行性）。

​2. 功能联调与优化（5月10日前）​

• ​全链路测试：
  • 验证实时性：采集→缓存→处理→显示延迟≤33ms（对应30fps），若未达标，降低分辨率或简化预处理步骤2。
  • 资源优化：通过eLinx工具分析逻辑资源（LUT/BRAM/DSP）占用率，压缩冗余逻辑1。
• ​中期检查应对（4月20日）​：
  • 提交初步设计文档：包含摄像头驱动代码框架、显示模块时序图、基础算法流程图3。

​3. 初赛冲刺（5月20日前）​

• ​稳定性提升：
  • 增加抗干扰设计（如光照突变时自动调整白平衡）2。
  • 完善文档：在eLinx工具中生成时序报告和资源利用率表，附入设计文档1。
• ​提交材料：
  • 演示视频：展示基础识别功能（如红色方块跟踪）与实时显示效果3。

​第二阶段：分赛区决赛准备（5月21日-7月20日）​

目标：强化算法性能（识别种类/准确率）与外设集成，冲刺进阶评分项。

​1. 算法升级（6月15日前）​

• ​多目标识别：
  • 传统路线：融合颜色、形状（Hu矩）、纹理（LBP）特征，设计级联分类器（如SVM+KNN）2。
  • AI路线：部署轻量级CNN（如MobileNetV1），通过HLS工具将模型转换为FPGA可执行逻辑3。
• ​性能优化：
  • 并行化设计：将图像分割为多个区域并行处理（利用EQ6HL130的192个乘法器加速）1。
  • 帧率提升：优化数据流架构（如行缓存替代全帧缓存），目标≥60fps2。

​2. 外设集成（7月10日前）​

• ​以太网通信：
  • 实现UDP协议传输识别结果（坐标+类别），Python端开发可视化界面2。
• ​串口控制：
  • 连接STM32开发板，接收指令切换识别模式（如“检测圆形”→“检测条纹”）3。
• ​创新场景设计：
  • 示例：工业分拣系统（以太网发送分拣指令）+ 安防监控（串口触发报警）3。

​3. 分赛区决赛冲刺（7月20日前）​

• ​全系统压力测试：
  • 复杂场景验证：低光照、多目标重叠、动态背景干扰下的识别鲁棒性2。
  • 资源再优化：采用eLinx的时序装箱算法解决关键路径违例，提升时钟频率1。
• ​答辩材料：
  • 突出技术亮点：如“基于Hu矩+CNN的混合识别架构”“以太网-串口协同控制”3。

​第三阶段：全国总决赛准备（7月21日-8月下旬）​

目标：完善系统稳定性与创新性，冲刺全国奖项。

​1. 可靠性增强（8月10日前）​

• ​抗干扰设计：
  • 增加图像去噪模块（中值滤波+高斯滤波硬件加速）2。
  • 设计看门狗电路，防止FPGA死机（利用eLinx的在线逻辑分析工具调试）1。
• ​功耗优化：
  • 动态电压调节：在低负载时段降低FPGA核电压（1.1V→1.0V）1。

​2. 差异化创新（8月20日前）​

• ​算法层面：
  • 引入动态分辨率切换：根据目标大小自动调整处理区域（节省计算资源）2。
• ​应用层面：
  • 结合企业需求：模拟医疗影像处理（如肿瘤标记物识别），贴合中科亿海微在医疗电子领域的布局3。

​3. 总决赛答辩（8月下旬）​

• ​文档升华：
  • 对比进口方案：突出EQ6HL130的性价比（成本降低50%）和自主可控优势1。
• ​演示升级：
  • 录制多场景视频（工业+医疗+安防），展示系统泛化能力3。

​关键风险与应对

1. ​AI模型部署失败：
   • 备用方案：改用传统多特征融合算法，通过增加特征维度提升识别种类2。
2. ​帧率不达标：
   • 应急策略：启用eLinx的QoR优化功能，强制布局布线策略（如“速度优先模式”）1。
3. ​外设驱动冲突：
   • 调试方法：利用Bitprobe在线调试工具抓取信号波形，隔离冲突逻辑1。

​资源利用建议

1. ​官方支持：
   • 加入钉钉群（88015023672）获取摄像头驱动参考代码2。
   • 申请eLinx工具的技术支持，解决IP核生成问题1。
2. ​硬件特性：
   • 充分利用EQ6HL130的249对LVDS差分端口，降低高速信号干扰1。
   • 调用8个PLL分别管理摄像头、算法、显示模块时钟域，避免时序冲突1。

通过分阶段聚焦核心指标与创新点，既能满足初赛基础要求，又能为后续晋级预留技术纵深。建议每周召开进度会议，同步代码版本（Git管理），确保团队协作高效。

基于 EQ6HL130 开发板的比赛准备阶段规划

第一阶段：基础功能实现（3 月 24 日 – 5 月 20 日）

目标：完成赛题前 60 分的基础功能，确保图像采集、预处理、目标识别等核心模块稳定运行。

1. 开发环境搭建
   • 熟悉中科亿海微提供的 eLinx 设计套件，掌握 RTL 代码编写、仿真及配置流程。
   • 结合 AI 图像推理模组（FPGA+SoC 架构），实现多相机接口（如 USB UVC、MIPI）的图像输入支持。
   • 利用开发板的 LVDS 差分端口和 PCIe 接口，优化图像数据传输带宽。
2. 基础算法验证
   • 移植 YOLO 系列 CNN 算法至 SoC 端，完成目标检测与跟踪功能。
   • 在 FPGA 端实现图像预处理流水线，包括缩放、格式转换、增强等操作，利用其并行处理优势提升效率。
   • 通过 H264 压缩和网络推流功能，验证实时数据传输能力。
3. 硬件适配与联调
   • 结合 FPGA+ARM 核心板（STM32F407VET6），设计控制逻辑与外设接口（如 RS422/RS485），实现传感器数据融合。
   • 测试不同分辨率（1080p、4K）的图像处理性能，确保资源占用在合理范围内。

第二阶段：进阶功能优化（5 月 21 日 – 7 月 20 日）

目标：提升系统实时性与复杂度，完成分赛区决赛所需的 100 分内容。

1. 异构计算加速
   • 参考遥感图像切片解决方案，利用 FPGA 滑窗技术分割大尺寸图像，配合 GPU 并行处理目标识别任务，降低延迟。
   • 优化 DDR4 缓存策略，通过乒乓操作提升数据吞吐率。
2. 算法深度优化
   • 引入模型量化技术（如 INT8）压缩神经网络，减少 FPGA 资源占用。
   • 实现多目标跟踪算法（如 DeepSORT），增强系统鲁棒性。
   • 结合中科亿海微提供的图像增强 IP 核，提升低光照或模糊场景下的识别精度。
3. 场景化应用开发
   • 针对特定赛题需求（如物流自动化、医疗影像分析），定制预处理算法（如感兴趣区域提取）。
   • 利用 EQ6HL130 的高速乘法器资源，优化数字信号处理模块（如 FFT、卷积计算）。

第三阶段：系统集成与打磨（7 月 21 日 – 8 月下旬）

目标：完善系统稳定性，优化用户交互，冲刺全国总决赛。

1. 全流程闭环验证
   • 模拟极端环境（如高温、电磁干扰）测试，确保板卡宽温域（-55℃~125℃）适应性。
   • 集成中科亿海微提供的抗辐射加固技术，提升系统可靠性。
2. 用户体验与扩展
   • 开发 Web 端或移动端监控界面，支持实时数据可视化与参数配置。
   • 预留扩展接口（如 SDI、Camera Link），增强系统兼容性。
3. 文档与路演准备
   • 撰写技术白皮书，突出国产自主可控优势（如全流程国产化工艺、替代进口方案）。
   • 制作演示视频，重点展示 FPGA 并行处理在低延迟场景下的技术突破。

关键资源与工具

• 硬件：EQ6HL130 开发板、AI 图像推理模组、FPGA+ARM 核心板。
• 软件：eLinx 设计套件、OpenCV 库、自主优化的 CNN 推理框架。
• 参考方案：中科亿海微打印机控制系统（图像半色调算法）、遥感图像切片技术（滑窗预处理）。

通过分阶段推进，结合中科亿海微提供的技术支持与生态资源，可高效完成从基础功能到复杂场景的全流程开发，确保在比赛中展现国产 FPGA 的性能优势与创新应用。

小组成员分工方案

1. 角色定位与核心任务

基于成员背景和赛题需求，分工如下：

胡晋（组长，微电子专业，有Verilog基础）

核心职责：硬件驱动开发与FPGA架构设计

• 具体任务：

1. 硬件驱动开发：
   • 负责摄像头（OV5640）的DVP接口驱动开发，确保图像采集稳定。
   • 完成VGA/HDMI显示驱动的时序设计与调试。
   • 配置FPGA的PLL、SDRAM控制器等关键资源。
2. FPGA逻辑设计：
   • 搭建数据通路架构（采集→处理→显示），优化流水线设计。
   • 利用乘法器、RAM资源加速算法（如卷积、滤波）。
3. 时序优化：
   • 通过约束文件（SDC）和工具（如eLinx®）优化关键路径，提升帧频。
4. 团队协调：
   • 制定开发计划，分配任务，组织每日进度同步会议。

优势：熟悉Verilog和FPGA底层逻辑，适合攻坚硬件难题。
学习补充：需深入学习EQ6HL130芯片特性（如PLL配置、IP核调用）。

王靖韬（电子信息工程，有深度学习经验）

核心职责：算法设计与模型部署

• 具体任务：

1. 图像处理算法开发：
   • 设计目标识别算法（传统或AI）：
   • 传统方案：特征提取（颜色、形状、纹理）+ 分类器（SVM/决策树硬件化）。
   • AI方案：设计轻量化CNN模型（如MobileNet），并部署到FPGA（利用片上乘法器加速）。
   • 实现算法硬件化（与A协作，将Python/C++代码转换为Verilog模块）。
2. 模型优化：
   • 量化模型参数，适配FPGA资源（如18×18乘法器）。
   • 利用TensorFlow Lite或PyTorch导出硬件兼容的模型结构。
3. 测试与调优：
   • 验证算法识别准确率，优化阈值和分类逻辑。

优势：熟悉图像识别算法，可结合AI提升识别种类和准确率。
学习补充：需快速掌握FPGA并行计算特性，学习Verilog基础语法。

黄思博（通信工程，无FPGA经验）

核心职责：外设接口开发与系统集成

• 具体任务：

1. 外设接口驱动：
   • 开发以太网/UART串口通信模块，实现识别结果传输（如发送至PC或云端）。
   • 调试FSMC接口，完成FPGA与STM32的通信（如控制指令交互）。
2. 系统测试与调试：
   • 搭建测试环境，验证全系统功能（如摄像头采集→处理→显示→通信链路）。
   • 编写自动化测试脚本（如Python脚本解析串口数据）。
3. 文档与演示：
   • 整理设计文档、接口协议、测试报告。
   • 协助制作答辩PPT和演示视频（如录制多场景测试效果）。

优势：通信背景适合接口协议开发，逻辑清晰适合文档管理。
学习补充：需学习Verilog基础（如状态机设计）、FPGA开发流程。

2. 协作与学习计划

• 知识共享：
• 胡晋 主导FPGA开发培训（Verilog语法、eLinx®工具使用）。
• 王靖韬 分享图像处理算法原理（如边缘检测、CNN结构）。
• 黄思博 整理接口协议标准（如UART帧格式、以太网MAC层）。
• 开发流程：
• 使用Git管理代码，分模块开发（驱动、算法、接口）。
• 每日站会同步进度，每周验收阶段性成果（如摄像头驱动完成、算法准确率达标）。
• 紧急预案：
• 若硬件驱动进度滞后，胡晋优先攻坚，王靖韬/黄思博协助测试；
• 若算法效果不佳，黄思博切换至传统方案保底，同时优化AI模型。

3. 阶段目标对齐

• 初赛（5月20日前）：
• 胡晋 完成摄像头/显示驱动 + 基础算法加速（如颜色识别）。
• 王靖韬 实现1-2种传统算法（如形状检测），初步测试准确率。
• 黄思博 完成串口通信，输出识别结果至PC。
• 分赛区决赛（7月20日前）：
• 胡晋 优化帧频至50fps，集成以太网传输。
• 王靖韬 部署轻量化CNN模型，支持5+目标分类。
• 黄思博 实现多设备联动（如FPGA→STM32→云端）。
• 总决赛（8月下旬）：
• 全员协作完善系统稳定性，强化创新点（如动态目标跟踪），打磨答辩材料。

4. 工具与资源分配

• 胡晋：主导FPGA开发环境搭建（eLinx®、ModelSim）。
• 王靖韬：使用Python/TensorFlow进行算法仿真，生成测试数据集。
• 黄思博：利用Wireshark、串口助手调试通信模块。

总结

通过硬件（胡晋）、算法（王靖韬）、系统（黄思博）的三维分工，结合阶段性目标与紧急预案，最大化发挥成员优势。初期以“功能实现”为核心，中后期聚焦“性能优化”与“创新突破”，同时通过定期协作与知识共享弥补经验短板。

第九届集创赛中科亿海微杯备赛全流程规划（2025 年 3 月 24 日 – 8 月下旬）

一、比赛时间节点与阶段目标

二、分阶段详细执行计划

第一阶段：初赛准备（3 月 24 日 – 5 月 20 日）

目标：完成图像采集→处理→显示全链路功能，确保基础技术指标达标。

风险应对：

• 摄像头驱动不稳定：参考官方示例代码，预留 2 周调试时间。
• 帧频不达标：降低分辨率至 720p，简化预处理步骤。

第二阶段：分赛区决赛准备（5 月 21 日 – 7 月 20 日）

目标：提升算法复杂度与创新性，完成外设集成。

风险应对：

• AI 模型资源不足：切换至传统多特征融合算法（颜色 + 纹理 + 形状）。
• 通信延迟：采用 DMA 传输模式，减少 CPU 干预。

第三阶段：全国总决赛准备（7 月 21 日 – 8 月下旬）

目标：强化系统鲁棒性与答辩表现，冲刺全国奖项。

风险应对：

• 场景泛化能力不足：使用多数据集训练模型，增加数据增强策略。
• 答辩表现不佳：模拟答辩演练，邀请行业专家点评。

三、团队分工与协作机制

角色定位与核心职责：

协作机制：

1. 代码管理：使用 Git 分支管理，按模块划分（drivers/algorithms/systems）。
2. 进度同步：每日站会（15 分钟），每周验收里程碑（如 “AI 模型部署完成”）。
3. 知识共享：
   • 硬件组培训：FPGA 开发流程、eLinx 工具使用。
   • 算法组分享：CNN 原理、模型量化技巧。
   • 系统组讲解：通信协议设计、文档撰写规范。

四、关键资源与工具清单

五、总结

通过分阶段聚焦核心指标（基础功能→算法性能→系统创新），结合硬件、算法、系统三维分工，充分利用中科亿海微提供的国产化资源，可高效完成从功能实现到场景落地的全流程开发。建议定期进行压力测试（如高温环境、复杂背景干扰），并提前准备多套应急预案（如传统算法保底方案），确保在比赛中展现国产 FPGA 的技术优势与工程价值。

第九届集创赛中科亿海微杯分阶段任务清单

第一阶段：初赛准备（3 月 24 日 – 5 月 20 日）

核心目标：完成图像采集→处理→显示全链路功能，确保基础技术指标达标。

第二阶段：分赛区决赛准备（5 月 21 日 – 7 月 20 日）

核心目标：实现 AI 算法部署与创新场景设计，完成 100 分功能。

第三阶段：全国总决赛准备（7 月 21 日 – 8 月下旬）

核心目标：强化系统鲁棒性与创新性，冲刺全国奖项。

任务依赖关系与关键里程碑

1. 硬件驱动完成 → 算法验证启动
2. AI 模型部署 → 并行化架构设计
3. 外设集成 → 场景化应用开发
4. 稳定性优化 → 用户体验升级

风险应对策略

• 硬件资源不足：
  • 优先保证核心功能（如 AI 推理）资源，压缩非关键模块（如冗余显示）。
  • 采用动态资源分配技术（如时分复用 BRAM）。
• 算法精度不达标：
  • 增加数据增强（旋转、缩放、噪声注入）。
  • 切换至轻量级模型（如 SqueezeNet）。
• 跨阶段延期：
  • 预留 2 周缓冲时间，关键任务提前 10 天完成。
  • 建立 AB 角机制（如硬件组 B 成员熟悉算法模块）。

通过此任务清单，团队可明确每日工作重点，确保在各阶段截止日期前完成核心功能，并通过持续迭代优化系统性能。