传统CNN存在参数多，计算量大，部署在CPU与GPU上推理速度慢、功耗大的问题，为满足将卷积神经网络(Convolutional　Neural　Network,　CNN)部署于嵌入式设备，实现实时图像采集与分类的需求，提出了一种基于FPGA平台的Mobilenet　V2轻量级卷积神经网络分类器的设计方案。采用Cameralink相机采集图像，设计了裁剪、乒乓缓存和量化的图像预处理方式，实现连续的图像采集，CNN每层分别占用资源与计算结构，实现连续图片处理。设计了一种PW与DW的流水线结构，全连接层的稀疏化计算优化策略，减少了计算量和处理延迟。单张图片分类耗时1.25ms,能耗比为14.50GOP/s/W。