近年来,我国星上实时云检测及图像判读的卫星项目中不断取得突破性的进展。但现有卫星在轨处理系统以固定算法的硬件为核心,设计难度大,通用性差,功能升级困难,无法满足我国日益增长的军事与民用卫星侦测需求。实现高性能的可配置通用处理器是解决卫星图像云检测工作的最佳途径。然而当前成熟的商业指令集架构存在着技术封锁、扩展设计复杂等问题,导致难以在星上云检测应用场景等领域上进行自定义指令集架构等。为了解决这些问题,本文以RISC-V开源指令集架构为基础,选定U-Net图像分割算法为云检测算法,并优化现有的XD RISC-V处理器浮点流水线数据通路,完成了云检测指令、协处理器硬件加速功能与云检测软件函数的定制设计,最后经过了实验验证与性能测试,实现星上云检测的高效运行。通过分析传统星上云检测算法与U-Net神经网络算法,得出了基于U-Net云检测算法对任意背景的遥感图像都具有较好的普适性与精确性。给出了基于XD RISC-V处理器实现U-Net网络并实现硬件加速的方案。通过搭建并训练U-Net网络并传递参数到处理器的存储单元中,利用软件编程的方式,在XD RISC-V处理器上实现卫星图像处理云检测功能。分析了U-Net算法在处理器上实现的性能与资源消耗问题,采用数据旁路传播的技术解决处理器中浮点流水线数据冲突的问题,并定制设计了RISC-V云检测指令与协处理器架构,实现了协处理器的权重与偏置参数加载、图像数据预处理、卷积运算等硬件加速功能,最后基于自定义的RISC-V云检测指令与协处理器功能定制API函数,实现协处理器的快速调用。本文基于XD RISC-V处理器搭建了软件仿真与FPGA测试平台,通过软硬件协同的方式对设计实现进行验证:对处理器、协处理器的设计进行功能仿真与验证,并随机选取了5000幅GF-1遥感卫星的图像对云检测算法设计实现进行板级测试,测试的结果与服务器的结果对比一致,且性能基本满足了指标要求。同时,在板级测试中,通过协处理器硬件加速设计,U-Net算法种浮点运算的效率提升到原处理器实现的22.91倍,消耗的存储空间减少为原处理器消耗的存储空间的31.73%,经过综合、一致性检查流程,基本满足星上实现云检测的指标性能要求,并最终交付流片。