基於RISC-V多核MCU視覺系統的低功耗車牌檢測與識別
本文首次演示了基於低功耗MCU的邊緣設備用於自動車牌識別（ALPR）。該設計利用9核RISC-V處理器GAP8，結合QVGA超低功耗灰度成像器，採用基於SSDlite-MobilenetV2和LPRNet的多模型推理方法，在公共數據集上達到38.9%的mAP和超過99.13%的識別率。在真實世界中可識別小至30x5像素的車牌。多模型推理（687 MMAC）在GAP8上以1.09 FPS和117 mW運行，相比樹莓派3系統能效提升73倍，且無需硬連線加速引擎。
研究人員在2021年IEEE國際電路與系統研討會（ISCAS）上發表了一項開創性成果，首次展示了基於微控制器（MCU）的低功耗邊緣設備用於自動車牌識別（ALPR）。該系統採用GreenWaves Technologies的GAP8處理器，這是一款9核RISC-V芯片，專為低功耗邊緣AI設計。系統配備QVGA超低功耗灰度圖像傳感器，形成完整的視覺處理流水線。該流水線採用多模型推理方法，首先使用SSDlite-MobilenetV2神經網絡模型檢測圖像中的車牌位置，然後使用LPRNet模型進行光學字符識別，從而讀取車牌號碼。在公開數據集上，檢測模型的平均精度（mAP）達到38.9%，而識別模型的準確率超過99.13%，展現了極高的可靠性。在真實世界測試中，系統能夠識別小至30×5像素的車牌圖像，這對於低分辨率攝像頭在遠距離或低光照條件下捕獲的圖片尤為重要。為了實現如此高的能效，研究人員應用了模型壓縮和優化技術，使得整個多模型推理（計算量為687 MMAC）在GAP8上以1.09幀/秒的速度運行，總功耗僅為117毫瓦。與之前基於樹莓派3的移動級ALPR系統相比，該方案的能效提升了73倍，同時保持了算法的完全靈活性——系統未使用任何硬連線加速引擎，因此可以方便地更新算法以適應未來需求。這一成果標誌着在極低功耗設備上實現複雜視覺AI推理的重要突破，為智能監控、門禁系統等應用開闢了新的可能性。該論文已發表於2021年IEEE ISCAS，論文編號arXiv:2607.09768，由Lorenzo Lamberti等五位作者完成。