Seunghwan Kim · Changjong Kim · Sunggon Kim · IEEE Access · 2025年1月

随着机器学习和AI算法性能和精度提升，采用计算机视觉技术解决自动驾驶和AI机器人等问题的需求增加。IoT和边缘设备因小巧且具有足够计算能力被广泛采用。然而，IoT和边缘环境相比传统服务器环境有严格限制，常受限于低计算和内存资源以及有限供电。本文提出实时目标检测算法的并发多帧处理方案。首先将视频分割为单独帧并根据设备核心数分组，然后为每个核心分配一组帧执行目标检测，实现多帧并行检测。在Nvidia Jetson Orin Nano边缘设备上实施该方案到YOLO算法，使用MS-COCO、ImageN...

解读: 该并行处理技术可应用于阳光电源智能巡检边缘设备。阳光无人机和巡检机器人需要实时处理大量视频流进行组件缺陷检测。该多帧并行方案可部署在阳光巡检设备的边缘计算单元，显著提升检测速度和能效。在大型光伏电站中，该技术可使单台巡检设备覆盖更大区域，缩短巡检周期。结合阳光SG逆变器的边缘AI能力，该并行处理方法...