Dalam projek ini, pembahagian perkakasan (HW)-perisian (SW) digunakan sebagai suatu proses yang menentukan setiap tugas aplikasi pemprosesan imej sama ada akan dalam perisian (HPS) atau dalam perkakasan (FPGA). Rangka kerja untuk Pembahagian HW-SW menggunakan Algoritma Genetik (GA) dibangunkan dalam MATLAB. Sejumlah sepuluh kombinasi parameter GA yang berlainan telah digunakan untuk menguji rangka kerja yang dibangunkan. Parameter GA seperti saiz populasi, peratusan crossover dan peratusan mutasi telah diubah untuk mendapatkan kombinasi parameter GA yang paling optimum. Tiga penyelesaian untuk pembahagian HW-SW yang berbeza telah dihasilkan dan sumber HW yang digunakan oleh penyelesaian pertama, kedua dan ketiga tidak boleh melebihi nilai kekangan, Q = 341, Q = 681, dan Q = 1022. Sumber HW yang diperlukan dalam penyelesaian pertama (Q = 341) adalah 77.97% lebih rendah daripada penyelesaian yang menggunakan HW sahaja. Penyelesaian ini adalah 4.65% lebih cepat daripada penyelesaian yang menggunakan HW sahaja dan 26.6% lebih cepat daripada penyelesaian yang menggunakan SW sahaja. Sumber HW yang diperlukan dalam penyelesaian kedua (Q = 681) adalah 50.29% lebih rendah daripada penyelesaian yang menggunakan HW sahaja. Penyelesaian ini adalah 8.51% lebih cepat daripada penyelesaian yang menggunakan HW sahaja dan 29.61% lebih cepat daripada penyelesaian yang menggunakan SW sahaja. Sumber HW yang dibelanjakan dalam penyelesaian ketiga (Q = 1022) adalah 45.01% lebih rendah daripada penyelesaian yang menggunakan HW sahaja. Penyelesaian ini adalah 10.09% lebih cepat daripada penyelesaian yang menggunakan HW sahaja dan 30.83% lebih cepat daripada penyelesaian yang menggunakan SW sahaja. Kerja masa depan projek ini adalah untuk melaksanakan penyelesaian HW-SW yang dipartisi dalam Altera DE1-SoC.
_______________________________________________________________________________________________________
In this project, HW-SW Partitioning is used as a process to map each task of image processing application to be executed either in software (Hard Processor System, HPS) or hardware (Field Programmable Gate Array, FPGA). The framework for HW-SW Partitioning using Genetic Algorithm (GA) is developed in MATLAB. Total ten different combinations of GA parameters are used to test the developed framework. The GA parameters such as population size, crossover percentage and mutation percentage are varied to get the optimum combination of GA parameters. Three different HW/SW Partitioned Solutions are generated and the HW resources spent by first, second, and third solutions must not exceed the constraint value, Q = 341, Q = 681, and Q = 1022 respectively. The HW resource spent in HW/SW Partitioned Solution 1 (Q = 341) is 77.97% lesser than pure hardware solution. It is 4.65% faster than pure hardware solution and 26.6% faster than pure software solution. The HW resource spent in HW/SW Partitioned Solution 2 (Q = 681) is 50.29% lesser than pure hardware solution. It is 8.51% faster than pure hardware solution and 29.61% faster than pure software solution. The HW resource spent in HW/SW Partitioned Solution 3 (Q = 1022) is 45.01% lesser than pure hardware solution. It is 10.09% faster than pure hardware solution and 30.83% faster than pure software solution. Future work of this project is to implement the HW-SW partitioned solution in Altera DE1-SoC.
Hardware and software partitioning using genetic algorithm in image processing application / Loo Fang Hean