第三章 模型选型核心指标：FPS、mAP、模型大小、内存占用、功耗——如何平衡这些指标
做嵌入式视觉这几年，我见过太多人一上来就问：“哪个模型最好？”
说实话，这个问题本身就有问题。没有最好的模型，只有最合适的模型。你想想看，一个在服务器上跑得飞快的YOLOv8，放到树莓派上可能连5帧都跑不到。反过来，一个轻量级的MobileNet，精度又可能达不到项目要求。
所以这一章，咱们就来聊聊选型时必须盯死的五个核心指标。我个人习惯把它们叫做“五边形战士”——FPS、mAP、模型大小、内存占用、功耗。这五个指标，你不可能全部拉满，必须学会做取舍。
3.1 FPS：帧率，你的系统“心跳”
FPS，每秒处理的帧数。说白了就是你的模型一秒钟能看多少张图。
我在项目中遇到过最典型的场景：一个安防项目要求实时检测，客户说“实时”就是25帧以上。结果我们选了个大模型，在边缘设备上只能跑8帧。客户当场脸就黑了。
不同场景对FPS的要求差异很大：
- 工业质检：产线速度决定帧率，通常需要30-60 FPS
- 自动驾驶：前视摄像头至少30 FPS，否则反应不过来
- 门禁考勤：5-10 FPS就够用，人走得不快
- 无人机巡检：15-20 FPS，飞太快了也看不清
嗯，这里要注意：FPS不是越高越好。你想想看，如果模型为了跑60帧而把精度降到50% mAP，那检测出来的结果你敢用吗？
3.2 mAP：精度，模型的“视力”
mAP（mean Average Precision），平均精度均值。这个指标衡量的是模型找得准不准、全不全。
我经常跟团队说：mAP就像人的视力。1.0是标准视力，0.8也能用，但0.5就有点模糊了。不过，不同场景对“视力”的要求不一样：
- 人脸支付：mAP要0.95以上，认错人可不行
- 车辆检测：0.85-0.9就够用，车那么大个，不容易漏
- 小目标检测：比如远处的行人，mAP能到0.7就算不错了
3.3 模型大小：存储的“体重”
模型大小，就是模型文件占多少存储空间。这个指标在嵌入式设备上特别敏感。
我曾经在一个项目里，选了个200MB的模型，结果目标芯片Flash只有128MB。你说尴尬不尴尬？最后只能换模型，重新训练，项目延期两周。
常见的模型大小范围：
| 模型类型 | 典型大小 | 适用场景 |
|---|---|---|
| MobileNetV3-Small | 2-5 MB | MCU、低端芯片 |
| YOLOv5n | 4-8 MB | 树莓派、Jetson Nano |
| YOLOv8s | 20-30 MB | Jetson Xavier、RK3588 |
| YOLOv8x | 100+ MB | 服务器、高端边缘设备 |
你想想看，模型大小直接影响加载速度和推理延迟。大模型加载慢，而且占Flash空间，留给应用程序的空间就少了。
3.4 内存占用：运行的“饭量”
内存占用，指的是模型推理时占用的RAM。这个指标比模型大小更关键。
为什么？因为Flash不够可以外挂，但RAM不够，系统直接崩给你看。我在调试一个摄像头项目时，模型推理到一半，系统OOM（内存溢出）了。查了半天，发现是模型中间特征图太大，把内存吃光了。
内存占用主要来自三部分：
- 模型参数：权重和偏置，跟模型大小正相关
- 中间特征图：这个最坑，输入分辨率越大，特征图越大
- 输入输出缓冲区：图像数据本身也占内存
3.5 功耗：系统的“耐力”
功耗，这个指标在电池供电的设备里是“一票否决”的。
我做过一个手持设备项目，客户要求续航8小时。我们选了个高性能芯片+大模型，结果2小时就没电了。后来换了低功耗芯片+轻量模型，续航到了10小时，但精度降了5个点。客户说：可以接受。
功耗跟什么有关？
- 芯片制程：7nm比28nm省电得多
- 算力利用率：NPU比CPU省电10倍以上
- 模型复杂度：计算量越大，功耗越高
- 帧率：跑30帧比跑15帧功耗翻倍
嗯，这里有个小技巧：很多芯片支持动态调频。你可以在低负载时降频省电，高负载时再拉满性能。
3.6 如何平衡这五个指标？
好了，五个指标都讲完了。现在问题来了：怎么平衡？
我个人习惯用“场景优先级法”：
- 先定硬约束：比如功耗不能超过5W，内存不能超过256MB。这些是红线，不能碰。
- 再定核心指标：比如安防项目，FPS必须≥25。这个指标决定了模型的下限。
- 最后优化其他指标：在满足前两个条件的前提下，尽量提高mAP，减小模型大小。
举个例子：一个智能门锁项目
- 硬约束：电池供电，功耗<1W；芯片Flash 8MB，RAM 64MB
- 核心指标：FPS≥10（人走到门前，1秒内识别就行）
- 优化目标：mAP尽量高，但0.8以上就够用
最终选型：MobileNetV3-Small + 人脸检测专用模型，量化到INT8，模型大小3MB，推理时内存占用12MB，功耗0.5W，FPS 15，mAP 0.85。完美符合需求。
核心总结：
选型不是找“最强”的模型，而是找“最匹配”的模型。先定硬约束，再定核心指标，最后做优化。记住：没有完美的模型，只有合适的取舍。
下一章，我会带你看看具体的模型对比——YOLO系列、SSD、MobileNet，到底哪个更适合你的嵌入式项目。到时候咱们拿真实数据说话。