4 零售结账扫描仪应用

我们为 AM62A 开发了一个参考应用，以展示其在使用物体检测神经网络的自动结账系统中的功能。我们训练了一个自定义模型，以识别十几种不同的食品，并使用 TI 的 gstreamer 插件围绕该模型编写了一个 Linux Python3 应用程序，以尽可能利用硬件加速。Github 上提供了应用程序源代码 [2] 和该演示工作原理的详细说明。有关构建此类应用程序的更多指导，请参阅相关的应用程手册 [3]。图 4-1 中的方框图描述了 gstreamer 中的应用流程以及各种插件如何在 SoC 中的远程内核上执行。

图 4-1 具有分辨率和像素格式的零售结账应用流程。（30fps 是可实现的最大值；在该应用中，由于应用程序代码方面的瓶颈，FPS 接近 15）

本文档分析了此应用并使用内核负载来指导选择合适的 AM62A 型号，并使用功耗估算工具 [4] 提供了功耗估算。对于在使用超集型号 AM62A74（2TOPS 加速度，4 个 Arm®Cortex A53 内核）的入门套件 EVM 上设计和基准测试的其他应用，可以遵循此分析。