面向无人机应用中受限计算边缘设备的You Only Look Once模型性能分析
分布式、并行与集群计算
2025-02-25 v1 人工智能
计算机视觉与模式识别
摘要
嵌入式系统和人工智能（AI）的发展增强了无人机在计算机视觉方面的能力。然而，AI技术的集成受限于无人机的处理能力。在此意义上，本研究评估了目标检测模型（YOLOv8n和YOLOv8s）在资源受限边缘设备和云环境中的部署。旨在进行代表性的实时无人机图像处理管道的比较性能分析。具体而言，测试了NVIDIA Jetson Orin Nano、Orin NX和树莓派5（RPI5）设备，以衡量其检测准确性、推理速度和能源消耗，并评估后训练量化（PTQ）的效果。结果表明，YOLOv8n在推理速度上优于YOLOv8s，在Jetson Orin NX上实现52 FPS，INT8量化后达到65 fps。相反，尽管RPI5适用于低能耗应用，但未能满足实时处理需求。分析了基于云端和基于边缘的端到端处理时间，发现通信延迟阻碍了实时应用，揭示了边缘（低延迟）与云端（快速处理）之间的权衡。总体而言，这些发现为在无人机上部署AI模型提供了建议和优化策略。
引用
@article{arxiv.2502.15737,
title = {A Performance Analysis of You Only Look Once Models for Deployment on Constrained Computational Edge Devices in Drone Applications},
author = {Lucas Rey and Ana M. Bernardos and Andrzej D. Dobrzycki and David Carramiñana and Luca Bergesio and Juan A. Besada and José Ramón Casar},
journal= {arXiv preprint arXiv:2502.15737},
year = {2025}
}
备注
This manuscript consists of 24 pages, 7 figures, and 7 tables