引言

隨著AI技術不斷發展，越來越多的嵌入式設備開始集成NPU（神經網絡處理單元），以實現更高效的AI推理。作為國產芯片廠商的佼佼者，瑞芯微推出的RK3588、RK3576、RK3568、RK3562系列芯片在市場中占據了重要地位。今天，我們一起深入對比、測評上述芯片的NPU性能，快速解決在項目選型中帶來的困擾。

 

 測試數據匯總

巔峰對決：RK3576 VS RK3588

 

 

輕量角逐：RK3562 VS RK3568

 

 

圖2

 

 數據解讀與應用指南

通過在不同平臺上對yolov5s(640×640)目標檢測模型的推理性能測試對比，可以看出RK3588憑借6TOPS NPU算力，49fps的推理實測性能，成為圖像識別、多模態分析等高性能AI應用的首選。

 

其次，RK3576的推理實測性能是45fps。其具備超高性價比，在中高性能場景下更占據優勢。以工業控制領域為例，在對設備運行狀態進行實時監測與故障診斷時，RK3576既能滿足對數據處理速度和精度的要求，又能為企業有效控制成本，毫無疑問成為工業自動化升級的不二之選。

 

RK3568與RK3562均為輕量級NPU性價比方案，RK3568基于yolov5s(640×640)模型的實測推理性能達到17fps，適合用于如AGV機器人等基礎的AI擴展場景。而RK3562以21fps的實測推理性能，在低功耗邊緣設備領域表現出色，如IoT門禁系統。這兩款芯片均為1TOPS算力，能更好滿足用戶對于輕量化是我需求，以顯著的成本優勢，為大規模普及AI應用提供了可能。

 

 RK3576全國產工業核心板

創龍科技基于瑞芯微RK3576J/RK3576，推出了工業核心板和評估板。其中，瑞芯微RK3576J/RK3576處理器集成了四核ARM Cortex-A72@2.2GHz + 四核1.8GHz ARM Cortex-A53@2.0GHz + ARM Cortex-M0，搭載6TOPS NPU。

 

創龍科技的RK3576J/RK3576核心板的ARM、ROM、RAM、電源、晶振、連接器等所有元器件均采用國產工業級方案，國產化率100%，可提供報告。此外，RK3576J/RK3576評估板具備豐富的接口資源，包括4路Ethernet、3路USB3.2、2路CAN-FD、2路RS485、PCIe 2.1等通信接口，以及MIPI CSI、LVDS OUT、MIPI DSI、DP(DisplayPort)、HDMI OUT、MIC IN、HP OUT、LINE IN等音視頻接口，滿足您的項目評估需求！

 

 RK3576工業核心板典型應用場景

 

圖 3 

 

 案例演示

為了簡化描述，本文僅摘錄部分方案功能描述與測試結果，詳細產品資料請掃描文末二維碼下載。

 

開發環境

 

Windows開發環境：Windows 7 64bit、Windows 10 64bit

Linux開發環境：VMware16.2.5、Ubuntu22.04.5 64bit

U-Boot：U-Boot-2017.09

Kernel：Linux-6.1.75

LinuxSDK：LinuxSDK-[版本號]

（基于rk3576_linux6.1_release_v1.0.0_20240620）

硬件平臺：創龍科技TL3576-EVM工業評估板

 

案例功能

 

案例基于RKNN API實現對圖片中目標對象的識別，并將識別結果以加水印的方式添加至圖像，并保存成圖片文件。案例循環測試10次，統計出推理的平均處理耗時。

 

程序原理流程圖如下所示：

 

 

 

圖 4

 

案例測試

 

請通過網線將評估板千兆網口ETH1 RGMII連接至路由器。請將案例bin目錄下的所有文件拷貝至評估板文件系統任意目錄下。

 

圖 5

 

在可執行文件所在目錄，執行如下命令，對圖片目標對象進行模型推理。

備注：模型運行的時間會有抖動。

 

Target# ./yolov5_object_detect yolov5s-640-640_rk3576.rknn car.jpg

 

 

圖 6

 

從輸出信息可知，本案例程序識別出測試圖片包含person、car、bus、truck等對象，運行1次模型耗時為31.48ms；循環運行10次模型平均耗時為22.26ms（約為45fps）。

 

案例程序對測試圖片的目標對象標記成功后將輸出名稱為out.jpg的標記圖片至當前目錄，請將out.jpg文件拷貝至Windows下，并使用PC端相關軟件對比查看car.jpg與out.jpg，測試結果如下所示。

 

圖 7

從out.jpg圖片可知，案例程序能正確框選出人物、汽車等物體，同時顯示person、car等文字標簽和置信度，標記對象的數量及信息等與程序打印信息一致。

 

本程序能夠支持識別的目標數據集類型說明位于案例目錄"bin\model\"目錄下的coco_80_labels_list.txt文件，用戶可根據相關目標類型進行測試驗證。

 

 

同時可以測得CPU占用率約為14%，NPU占用率約為36%，內存占用率約為8%。

 

圖 11

查看更多RK3576相關的案例演示，各位工程師可以掃描下方二維碼下載，快來試試吧！