Details

Данная работа посвящена исследованию возможностей выполнения алгоритмов компьютерного зрения на одноплатном компьютере Lichee Pi 4A, основанного на открытой архитектуре RISC-V. В рамках исследования проанализированы особенности архитектуры, сложности реализации нейросетевых моделей на данной платформе и пути оптимизации производительности. В процессе работы реализована микросервисная система с использованием нейросетевой модели YOLOv8 для детекции объектов. Исходная реализация показала недостаточную скорость (<1 кадра в секунду) при запуске на CPU, что делает ее непригодной для практического применения. В результате была достигнута производительность более 30 FPS при использовании оптимизированной модели и аппаратных ускорителей, что подтверждает возможность применения RISC-V в задачах компьютерного зрения при правильной настройке и оптимизации.

This paper is devoted to the study of the possibilities of executing computer vision algorithms on a Lichee Pi 4A single-board computer based on the RISC-V open architecture. The study analyzes the architecture features, the complexity of implementing neural network models on this platform and ways to optimize performance. In the process, a microservice system was implemented using the YOLOv8 neural network model for object detection. The original implementation showed insufficient speed (<1 FPS) when running on the CPU, which makes it unsuitable for practical use. As a result, performance of more than 30 was achieved using an optimized model and hardware accelerators, which confirms the possibility of using RISC-V in computer vision tasks with proper configuration and optimization.