Аналіз продуктивності алгоритму детекції об’єктів YOLOv8n на мікрокомп’ютерах RaspberyPi ТА NVidia Jetson Nano
DOI:
https://doi.org/10.18372/2073-4751.77.18658Ключові слова:
БПЛА, розпізнавання образів, розпізнавання зображень, детекція об’єктів, нейромережа, YOLO, RaspberryPi, Jetson Nano, автопілот, автономне керування, одноплатний комп’ютерАнотація
У науковій статті описані підходи для реалізації комплексу автономного управління на БПЛА. Зокрема виділено архітектуру з використанням одноплатного комп’ютера, що може бути встановлений безпосередньо на літальний апарат. Для такої архітектури побудови комплексу обрано потенційні одноплатні комп’ютери та досліджено їх швидкодію. Для оцінки описано та проведено експеримент з запуску алгоритму розпізнавання образів на базі нейроморежі Yolo v8 nano. В статі наведені результати роботи алгоритму. На основі проведеного експерименту визначено, що для подібних алгоритмів доцільно використовувати Jetson Nano. А RaspberryPi не володіє достатньою потужністю для конкретної задачі з обраним алгоритмом.
Посилання
Feng H. et al. Benchmark analysis of yolo performance on edge intelligence devices. Cryptography. 2022. Vol. 6, iss. 2. 16. DOI: 10.3390/cryptography6020016.
Suzen A. A., Duman B., Sen B. Benchmark Analysis of Jetson TX2, Jetson Nano and Raspberry PI using Deep-CNN. 2020 International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA) : proceedings, Ankara, Turkey, 26-28 June 2020 / IEEE. Danvers, 2020. 5 p. DOI: 10.1109/HORA49412.2020.9152915.
Pathak A. R., Pandey M., Rautaray S. Application of Deep Learning for Object Detection. Procedia Computer Science. 2018. Vol. 132, Iss. 6. P. 1706–1717. DOI: 10.1016/j.procs.2018.05.144.
Redmon J. et al. You only look once: Unified, real-time object detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) : proceed-ings, Las Vegas, NV, USA, 27-30 June 2016 / IEEE. Danvers, 2016. P. 779–788. DOI: 10.1109/CVPR.2016.91.
Mohsan S. A. H. et al. Unmanned aerial vehicles (UAVs): practical aspects, applications, open challenges, security is-sues, and future trends. Intelligent Service Robotics. 2023. Vol. 16, iss. 1. P. 109–137. DOI: 10.1007/s11370-022-00452-4.
Radoglou-Grammatikis P. et al. A compilation of UAV applications for preci-sion agriculture. Computer Networks. 2020. Vol. 172. 107148. DOI: 10.1016/j.comnet.2020.107148.
Akhloufi M. A., Couturier A., Cas-tro N. A. Unmanned aerial vehicles for wildland fires: Sensing, perception, coop-eration and assistance. Drones. 2021. Vol. 5, Iss. 1. 15. DOI: 10.3390/drones5010015.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
