开发人工智能模型的大部分成本，以及近期对此类模型的强烈反对，都源于它们往往耗费的大量电量。然而，如果你愿意牺牲一些能力和准确性，你就能用最少的硬件获得更理想的结果——Grove Vision AI 开发板就采用了这种折衷方案，它仅用 0.35 瓦的功耗就能近乎实时地运行图像识别。
该开发板的核心是 WiseEye 处理器，它结合了两个 ARM Cortex M55 CPU 和一个用于处理 AI 加速的 Ethos U55 NPU。该开发板连接到一个摄像头模块和一个主机设备，例如另一个微控制器或更强大的计算机。当主机设备发送信号时，Grove 开发板会拍照，对其进行图像识别，并将结果发送回主机。库使得通过 I2C 进行信号传输更加便捷，但在本例中 [Jaryd] 使用了 UART。
为了在如此低功耗的硬件上运行，该图像识别模型需要一些限制；它可以运行 YOLO8，但只能识别一个物体，运行分辨率降低至 192×192，并且必须量化到 INT8。不过，在这些限制内，其性能令人印象深刻：20-30 fps，准确率良好，而且正如 [Jaryd] 指出的那样，功耗比典型的 RGB 背光键盘上的单键还要低。如果你想要其他模型，市面上有很多可供选择，但质量参差不齐。如果其他方法都失败了，你也可以自行训练。
诸如此类的边缘 AI 项目，都是为了在有限的资源下实现更好的性能；如果你的要求不是太高，你可以在性能更有限的设备上运行语音识别。当然，也有人试图降低图像识别的效率。
原文： https://hackaday.com/2025/09/07/image-recognition-on-0-35-watts/