K230 AI性能介绍

K230内部包含一个神经网络处理器KPU（6TOPS等效算力），可以在低功耗的情况下实现卷积神经网络计算，实时获取被检测目标的大小、坐标和种类，对人脸或者物体进行检测和分类。K230 的KPU支持INT8和INT16, 典型网络下实测推理能力可达K210的13.7倍，MAC利用率超70%。
同时K230提供了大量的AI视觉例程、包含：人体识别、物体检测、目标跟踪等多种场合。
本次主要体验K230在相关任务中的识别效果和性能，例如帧率、功耗、发热情况。

AI功能体验

人脸检测

使用官方例程体验K230的人脸识别的性能，在之前下载的镜像中已经包含了相关模型文件，因此只需要在程序中调用就可以。
在K230开发板运行例程，将摄像头对准人脸图像，结果如下图所示：

可以看出K230能够准确的识别出人脸并标记出来，同时例程运行的帧率能够达到41帧左右，能够满足实时检测的需要。K230提供了读取主控温度的功能，使用代码如下所示：

import machine
temp = machine.temperature() #获取温度值
print(temp) #打印温度值

我在人脸检测的代码中加入了主控温度监测功能，发现主控温度在运行AI任务后缓慢上升，在56℃左右稳定，测试时间为：持续运行十分钟。

同时使用功率检测模块检测K230的运行功率，在运行人脸检测任务后，开发板的运行功率为2.265W左右，功率较低（无显示屏，使用的是IDE显示）。

物体检测模型

物体检测模型使用的是YOLOv8n模型，支持识别80中物体，详情如下：
["person", "bicycle", "car", "motorcycle", "airplane", "bus", "train", "truck", "boat", "traffic light", "fire hydrant", "stop sign", "parking meter", "bench", "bird", "cat", "dog", "horse", "sheep", "cow", "elephant", "bear", "zebra", "giraffe", "backpack", "umbrella", "handbag", "tie", "suitcase", "frisbee", "skis", "snowboard", "sports ball", "kite", "baseball bat", "baseball glove", "skateboard", "surfboard", "tennis racket", "bottle", "wine glass", "cup", "fork", "knife", "spoon", "bowl", "banana", "apple", "sandwich", "orange", "broccoli", "carrot", "hot dog", "pizza", "donut", "cake", "chair", "couch", "potted plant", "bed", "dining table", "toilet", "tv", "laptop", "mouse", "remote", "keyboard", "cell phone", "microwave", "oven", "toaster", "sink", "refrigerator", "book", "clock", "vase", "scissors", "teddy bear", "hair drier", "toothbrush"]

运行物体检测模型，识别效果如下所示：

能够准确识别出行人和小车。同时监测了K230在运行目标检测是的其他指标，主控温度和功率与前面的人脸识别差别不大，但是运行时的帧率有较大的变化，运行这个YOLOv8n模型时，帧率只有11帧左右。可能是这个模型识别的目标比较多，推理时间也变长了。

总结

K230开发板的AI例程丰富，能够使用例程快速完成自己的开发需求，同时性能不错，在识别的准确率和功耗等方面都表现不错。