基于RISC-V多核MCU视觉系统的低功耗车牌检测与识别
本文首次演示了基于低功耗MCU的边缘设备用于自动车牌识别（ALPR）。该设计利用9核RISC-V处理器GAP8，结合QVGA超低功耗灰度成像器，采用基于SSDlite-MobilenetV2和LPRNet的多模型推理方法，在公共数据集上达到38.9%的mAP和超过99.13%的识别率。在真实世界中可识别小至30x5像素的车牌。多模型推理（687 MMAC）在GAP8上以1.09 FPS和117 mW运行，相比树莓派3系统能效提升73倍，且无需硬连线加速引擎。
研究人员在2021年IEEE国际电路与系统研讨会（ISCAS）上发表了一项开创性成果，首次展示了基于微控制器（MCU）的低功耗边缘设备用于自动车牌识别（ALPR）。该系统采用GreenWaves Technologies的GAP8处理器，这是一款9核RISC-V芯片，专为低功耗边缘AI设计。系统配备QVGA超低功耗灰度图像传感器，形成完整的视觉处理流水线。该流水线采用多模型推理方法，首先使用SSDlite-MobilenetV2神经网络模型检测图像中的车牌位置，然后使用LPRNet模型进行光学字符识别，从而读取车牌号码。在公开数据集上，检测模型的平均精度（mAP）达到38.9%，而识别模型的准确率超过99.13%，展现了极高的可靠性。在真实世界测试中，系统能够识别小至30×5像素的车牌图像，这对于低分辨率摄像头在远距离或低光照条件下捕获的图片尤为重要。为了实现如此高的能效，研究人员应用了模型压缩和优化技术，使得整个多模型推理（计算量为687 MMAC）在GAP8上以1.09帧/秒的速度运行，总功耗仅为117毫瓦。与之前基于树莓派3的移动级ALPR系统相比，该方案的能效提升了73倍，同时保持了算法的完全灵活性——系统未使用任何硬连线加速引擎，因此可以方便地更新算法以适应未来需求。这一成果标志着在极低功耗设备上实现复杂视觉AI推理的重要突破，为智能监控、门禁系统等应用开辟了新的可能性。该论文已发表于2021年IEEE ISCAS，论文编号arXiv:2607.09768，由Lorenzo Lamberti等五位作者完成。