Text
Peningkatan Kinerja Deteksi Objek Tertanam Melalui Akselerasi Perangkat Keras Neural
ABSTRAK
Makalah ini menyajikan benchmarking pertama dari You Only Look Once versi 11 (YOLO11) pada neural processing unit (NPU) Rockchip RK3566 di dalam platform Orange Pi 3B. Kinerja dibandingkan antara CPU quad-core ARM Cortex-A55 dan NPU terintegrasi menggunakan dataset COCO2017, dengan evaluasi terhadap latensi, konsumsi energi, dan akurasi. Akselerasi NPU mencapai pengurangan latensi lebih dari 80% dan penurunan energi per-inferensi sekitar 94%, dengan percepatan hingga 16,7× sambil mempertahankan akurasi dalam rentang 0,03 mAP dari baseline. Daya rata-rata tetap hampir konstan (3,60 W pada CPU vs. 3,59 W pada NPU), menunjukkan bahwa efisiensi yang dicapai berasal dari waktu inferensi yang lebih singkat, bukan dari penurunan daya (watt). Keterbatasan meliputi ketidakstabilan kuantisasi INT8 akibat operator yang tidak didukung dan ketidaksesuaian rentang kalibrasi, serta sedikit overhead pada sisi CPU selama preprocessing dan non-maximum suppression. Temuan ini menegaskan bahwa NPU RK3566 memberikan peningkatan efisiensi yang signifikan tanpa mengurangi akurasi, memungkinkan platform berukuran ringkas dan berbiaya rendah untuk menangani beban kerja deteksi objek modern secara berkelanjutan. Hal ini menunjukkan bahwa NPU yang terjangkau dapat menyediakan inferensi AI yang andal dan real-time untuk aplikasi visi tertanam, IoT, dan robotika.. Kata Kunci : YOLO11, Orange Pi 3B, RK3566 NPU, Inferensi citra berlatensi rendah, efisiensi energi.
Tidak tersedia versi lain