目前在工业流水线生产过程中主要采用人工检测的方法来剔除不合格纸板,这种方法效率低下,因此在生产过程中实现高能效的、准确的对纸板表面缺陷进行自动检测具有实际意义;依据YOLO系列网络在目标检测领域的优异表现和FPGA部署网络模型的高能效性,提出了一种基于FPGA的高能效纸板缺陷检测系统,通过YOLOv7-Tiny网络训练纸板缺陷数据集,并采用QAT对网络模型进行再训练和量化,在检测精度仅损失0.36％前提下,将权重和特征图数据量化为8位,降低了硬件资源的消耗;设计了一种复用型多节点可配置架构的硬件加速器,通过多个配置节点实现对不同网络层的推理加速,对各个网络层在硬件层面进行了优化设计,并采用了层内和层间协同的流水线化设计;整个硬件加速系统通过软硬件协同设计实现,合理划分软硬件任务,实现了硬件加速器与软核处理器高度并行工作;最终在Xilinx　VC707　FPGA评估板上,以200　MHz的工作频率实现了　177.96　GOPS的吞吐量,同时仅消耗了　6.5　W的功耗,实现了　27.38　GOPS/W的高能效,分别为I5-10400F　CPU的19.7倍和GTX　2070S　GPU的8.6倍,兼顾了检测速度和功耗,满足了纸板生产的工业环境需求.