瑞芯微RK3588 与 爱芯元智AX650N 关于YOLO算法图片检测性能测试报告

---

一、测试目的

本次测试旨在对比 瑞芯微 RK3588 与 爱芯元智 AX650N 两个平台在典型目标检测模型（YOLO 系列）上的单帧推理性能，评估两种 NPU 在工业视觉、边缘计算场景下的适用性，为后续项目选型提供依据。

---

二、测试环境与条件

1. 硬件平台

平台	厂商	主要用途
RK3588	瑞芯微	通用 AI SoC，常见于边缘设备
AX650N	爱芯元智	高算力视觉 AI SoC

2. 模型与任务

• 任务类型：目标检测（图片检测）
• 输入分辨率：统一为 640 × 640
• 推理方式：单张图片推理
• 测试指标：单帧推理耗时（ms）

---

三、原始测试数据

1. AX650N 测试结果

模型	平均推理时间
yolov5s.axmodel	7.88 ms
yolov6s.axmodel	13.38 ms
yolov7-tiny.axmodel	7.27 ms
yolov8s.axmodel	13.12 ms
yolo11s.axmodel	3.40 ms
yolo11x.axmodel	24.86 ms

---

2. RK3588 测试结果

模型	平均推理时间
yolov5s.rknn	13.33 ms
yolov6s.rknn	38.21 ms
yolov7-tiny.rknn	36.75 ms
yolov8s.rknn	41.95 ms
yolo11s.rknn	45.66 ms

---

四、性能对比分析（ms & FPS）

为便于直观理解，将推理耗时换算为 FPS（≈1000 / ms）：

1. AX650N 性能

模型	推理时间	理论 FPS
yolov5s	7.88 ms	≈ 127 FPS
yolov6s	13.38 ms	≈ 75 FPS
yolov7-tiny	7.27 ms	≈ 138 FPS
yolov8s	13.12 ms	≈ 76 FPS
yolo11s	3.40 ms	≈ 294 FPS
yolo11x	24.86 ms	≈ 40 FPS

AX650N 在轻量模型上可稳定 百 FPS 以上，在 yolo11s 上接近 300 FPS。

---

2. RK3588 性能

模型	推理时间	理论 FPS
yolov5s	13.33 ms	≈ 75 FPS
yolov6s	38.21 ms	≈ 26 FPS
yolov7-tiny	36.75 ms	≈ 27 FPS
yolov8s	41.95 ms	≈ 24 FPS
yolo11s	45.66 ms	≈ 22 FPS

RK3588 在 yolov5s 还能达到可用水平，但在 v6 / v7 / v8 / v11 上整体落在 20–30 FPS 区间。

---

五、同模型横向对比（核心结论）

模型	AX650N	RK3588	性能倍数
yolov5s	7.88 ms	13.33 ms	1.7×
yolov6s	13.38 ms	38.21 ms	2.85×
yolov7-tiny	7.27 ms	36.75 ms	5.05×
yolov8s	13.12 ms	41.95 ms	3.2×
yolo11s	3.40 ms	45.66 ms	13.4×

随着模型结构升级（v7 → v11），AX650N 的优势急剧放大，在 yolo11s 上出现数量级领先。

---

六、综合结论

1. 性能结论

• AX650N 在所有 YOLO 模型上均显著优于 RK3588
• 在新一代模型（YOLOv7+ / YOLO11）上，AX650N 表现出明显的架构代差优势
• AX650N 更适合：
  • 多路视频检测
  • 高帧率检测
  • 高分辨率输入
  • 复杂模型部署

---

2. 工程应用建议

推荐使用 AX650N 的场景

• 工业视觉多相机
• 产线高速检测
• 高精度目标检测
• 算法迭代频繁（YOLOv8 / YOLO11 / Transformer + YOLO）

RK3588 更适合的场景

• 单路视频
• 轻量模型（YOLOv5s）
• 以 CPU / 多媒体为主，AI 为辅的产品

---

七、总结一句话

在 640×640 图片检测场景下，AX650N 不仅全面领先 RK3588，而且随着模型复杂度上升，优势呈指数级放大，非常适合作为新一代工业视觉与边缘 AI 主平台。