ДОСЛІДЖЕННЯ ПРОДУКТИВНОСТІ НЕЙРОМЕРЕЖ YOLO ДЛЯ ВБУДОВАНИХ СИСТЕМ І ДРОНІВ

DOI: 10.31673/2412-4338.2025.038720

Анотація

У статті представлено комплексне дослідження продуктивності сучасних версій нейронних мереж YOLO (You Only Look Once) на широкому спектрі апаратних платформ — від настільних GPU до мобільних ARM-пристроїв і спеціалізованих AI-прискорювачів. У межах роботи оцінено ефективність моделей YOLOv4, YOLOv5, YOLOv8, а також новітніх YOLOv10n і YOLOv11n з урахуванням архітектурної складності, використання сучасних оптимізацій (FP16, INT8, TensorRT), затримки при інференсі, енергоспоживання та продуктивності в FPS. Для забезпечення об’єктивного міжплатформного порівняння запропоновано уніфіковану систему одиниць продуктивності, яка базується на еталонному виконанні YOLOv4 на GPU NVIDIA GTX 1070. Проведено понад 1000 запусків на реальному обладнанні, включаючи Orange Pi 5/5 Plus, Raspberry Pi

5 (з Hailo-8L AI HAT), серії Rockchip RK35xx, платформи Google Coral та лінійку NVIDIA Jetson Orin (Nano, NX, AGX). Всі вимірювання здійснено з урахуванням статистичної достовірності (50–100 прогонів), із забезпеченням довірчого інтервалу 90–95 %. Додатково враховано режим інференсу, тип квантизації та характер апаратної інтеграції. Результати дозволили виявити оптимальні конфігурації для різних умов застосування, зокрема в системах реального часу. Особливу увагу приділено сценаріям роботи YOLO на борту дронів, де ключовими є обмежені енергетичні ресурси, вага, компактність рішень, автономність і низька латентність. Розглянуто типові архітектури вбудованих рішень, а також оцінено ефективність розгортання моделей з урахуванням обмежень кожної платформи. Стаття містить узагальнені рекомендації щодо вибору моделей і апаратних рішень для автономної навігації, моніторингу, спостереження та робототехнічних систем в умовах обмеженого бюджету потужності. Запропоновані висновки можуть бути корисними розробникам і дослідникам у сферах вбудованих систем, Edge AI, IoT і автономних безпілотних платформ.

Ключові слова: YOLO, глибоке навчання, вбудовані системи, дрони, інференс, енергоефективність, GPU, ARM, Google Coral, NVIDIA Jetson Orin.