边缘板实测选型矩阵（FPS / 功耗 / 导出路径）
调研日期：约 2026-10-25（Asia/Shanghai）
方法：WebSearch / WebFetch 交叉核验厂商博客、Ultralytics Jetson 指南、RKNN Model Zoo（及 Seeed 复述表）、Hailo Model Zoo 官方 RST、Coral 延迟表、STM32Cube.AI wiki、Espressif YOLO26 component、部分第三方整机评测。
读表须知：下文给出的是公开条件下的量级，多数为 model-only（不含相机采集、视频解码、前处理、NMS 与业务逻辑）。真实端到端通常再打 0.3～0.7 折。不同主机总线（桌面 PCIe×4 vs 树莓派 PCIe×1）、batch、精度、功耗模式不可混排成「绝对冠军榜」。凡未在公开源核到同条件数字的，一律写 「未找到公开数」，禁止脑补。
0. 电力边缘怎么选（先看结论）
电力边缘不是「TOPS 越大越好」，而是把路数、时延、功耗、供货与工具链放在同一约束里。站端机柜能供几十瓦、要吃多路国标摄像头时，优先能硬解又能稳定量化的 SoC；巡检机器人和光伏点位则更吃瓦特与整机重量；开关柜内局部智能终端往往只允许百毫瓦到数瓦，且可能根本没有 Linux。
| 场景 | 优先平台 | 一句话理由 |
|---|---|---|
| 站端多路摄像头（约 4～16 路 IVA） | Jetson Orin NX / Orin Nano Super，或 RK3588 工控盒 | 硬解+推理一体；Orin 有 DeepStream；RK 性价比与国产化友好 |
| 巡检机器人 / 无人机载荷 | Orin Nano Super 或 Pi5 + Hailo-8L | 算力与功耗折中；Hailo 加速卡本身可到瓦特级 |
| 柜内 / 就地 MCU 前端 | STM32N6（轻视觉）或 STM32G4/H7（1D/关键词） | 公开表已到数百 mW；G4 不扛 640 YOLO |
| 极低成本传感节点 | ESP32-S3 / P4 | 小输入检测或关键词；640 YOLO 仅约 1 FPS 量级 |
| 既有 x86 工控升级 | Intel Core Ultra + OpenVINO | 一份 IR 可在 CPU / iGPU / NPU 间切换 |
| 遗留 Coral 产线 | Coral USB / PCIe | 对 SSD-MobileNet 友好；现代 YOLO 算子极易踩坑 |
选型时建议同时打开此前《厂商深挖》《GStreamer/OTA》文档：FPS 矩阵解决「能不能实时」，中间件矩阵解决「多路怎么粘」，OTA 矩阵解决「模型怎么日更」。
1. 常见电力任务「量级」总表
默认口径：检测 640×640、batch=1、优先 INT8；分类多为 224×224。数字后括注来源类型。表计 Pose 行若无专用公开数，不把检测 FPS 冒充姿态 FPS。
| 平台 | YOLO-n / YOLO11n 检测 640 | 分类 MobileNet / EfficientNet-lite | 表计 Pose / 小输入 | 可选：1D 电弧或关键词 |
|---|---|---|---|---|
| Orin Nano Super | YOLO11n TensorRT FP16 ≈ 4.53 ms（约 220 FPS）；INT8 ≈ 3.70 ms（约 270 FPS）（Ultralytics Jetson 指南，model-only） | 未单独摘录与 YOLO 同文的官方分类表；同板分类吞吐通常明显高于检测 | 未找到与电力指针表同条件的公开 Pose 表；工程上可把输入缩到 320～480 再估 | 未找到 Orin 上 AFCI 波形公开金标准 FPS |
| Orin NX 16GB | DeepStream 指南：YOLO11n TRT INT8 4.54 ms、FP16 5.27 ms | 同上 | 同上 | 同上 |
| RK3588 NPU | Zoo 单核 INT8：YOLOv8n ≈ 73 FPS、YOLO11n ≈ 60 FPS（Seeed 复述 rknn_model_zoo）；社区 三核+MPP/RGA 零拷贝 称 YOLOv8n ≈ 199、YOLO11n ≈ 162（GitHub issue，须自复现） | MobileNetV2 224 INT8 单核 ≈ 450 FPS | yolov8n-pose 640 INT8 单核 ≈ 56 FPS（同 Zoo 表） | 振动/1D 多在 CPU；NPU 电弧波形统一公开表未找到 |
| Hailo-8（官方：PCIe Gen3×4 + 桌面 CPU 主机） | YOLOv8n 1036 FPS、YOLO11n 185 FPS（BS1，hailo_model_zoo HAILO8 RST） | EfficientDet-Lite0@320：108 FPS；SSD-MobileNetV2@300：784 FPS | 未找到表计 Pose 专用行；常用 nano 检测+几何读数 | 未找到官方 1D 电弧 |
| Hailo-8L | YOLOv8n 182 FPS、YOLOv8s 88 FPS（BS1，HAILO8L RST） | SSD-MobileNetV1@300：367 FPS | 同上 | 同上 |
| Pi5 + Hailo | 官方桌面 FPS 不能直接搬到 Pi（链路多为 PCIe×1）；第三方整机 sync 功耗约数瓦，吞吐低于桌面表 | 异步高 batch 下 MobileNet / EfficientNet-Lite 可达数百～上千 FPS量级（宿主实现强相关） | 未找到表计专用公开数 | 未找到 |
| Coral USB | 现代 YOLOv8/11：编译与算子限制大；Ultralytics 在 Pi+Coral 上 YOLOv8n@320 ≈ 32 ms（约 31 FPS）（inference-only） | MobileNet V2 分类 USB3 ≈ 2.6 ms；SSD-MNv2 检测 ≈ 7.3 ms（Coral 官方旧表） | 小输入可行；表计 Pose 未找到 | 未找到 |
| Intel NPU / OpenVINO | 公开数分散：有材料称 Core Ultra 上 YOLOv8n INT8 NPU 约百 FPS 量级；亦有 Meteor Lake NPU INT8 ≈ 14.6 ms（约 68 FPS） — 必须以目标工控复测 | OpenVINO 生态分类模型多，本文未统一摘录可横比 FPS | OMZ 人体姿态可冷启动；电力表计专用 未找到 | 1D 多跑 CPU；NPU 电弧 未找到公开金标准 |
| STM32N6 | 不是 640：YOLOv8n@256 名义 28 FPS / 225 mW、性能 34 FPS / 322 mW；@320 为 21 / 26 FPS（Cube.AI wiki） | MobileNetV2@224：43 / 48 FPS | 小输入检测可行；表计 Pose 未找到 N6 公开表 | YamNet 类 ≈ 100 次/秒量级；AFCI 专用集未找到 |
| STM32G4 | 无实用 640 YOLO 公开数（资源不够） | 仅 MLPerf Tiny 级小分类（数十～百 ms） | 不适用视觉表计 | KWS ≈ 66 ms、异常检测 ≈ 4 ms（G474 wiki）— 柜内关键词/简单 1D |
| ESP32-P4 / S3 | YOLO26n INT8：P4@512 ≈ 930 ms（约 1.1 FPS）；S3@512 ≈ 2.3 s；P4@640 ≈ 1.5 s（espressif/yolo26） | 小分类可行；与 YOLO 同文的精确 FPS 未统一 | 社区轻检测（约 224）宣传 P4 >18 FPS、S3 >7 FPS（须自核条件） | 关键词 TinyML 可行；电弧金标准未找到 |
如何用这张表做电力 POC：安全帽/人员/车辆检测先看「YOLO-n 640」列是否稳住 15～25 FPS 端到端；指针表优先看 Pose 或「小输入」列，并把 ROI 裁到表盘；柜内异音或开关声用 G4/N6/ESP 的关键词列；电弧波形在公开侧几乎空白，不要用视觉 PPE 数据集里的 “arc” 类别冒充 AFCI。
2. 分平台手册：导出路径、INT8、功耗、电力位
2.1 NVIDIA Jetson Orin Nano / Orin NX
Orin 系列仍是「站端要稳、还想碰端侧小 LLM」时摩擦成本最低的选择。导出路径通常是：训练侧 PyTorch 或 Ultralytics → ONNX → 板端用 TensorRT 生成与架构绑定的 engine；多路摄像头走 DeepStream，推理插件为 nvinfer。换 Nano 与 NX、或换 JetPack 大版本，都要重建 engine。
INT8 注意点：校准集必须像现场——光照、污秽绝缘子、红外伪彩、安全帽角度都要覆盖。公开评测里出现过「校准/验证集过小导致 INT8 mAP 断崖」的教训；YOLO11 在更大校准集上数字好看很多，但不等于你的电力类别也安全。许多项目最终以 FP16 作为上线默认，只对确认过的头/层开 INT8。
功耗量级：模组参考档常见叙述为 7 W / 15 W / 25 W；Super/MAXN 模式可更高并受热设计限制。第三方在 Orin Nano 上跑 YOLOv8n TensorRT 时，整板功耗曾测到约 12～15 W 量级（含板卡外设，点位因人而异）。标书若写「7 W 跑满多路 YOLO」需谨慎，应写清功耗模式与路数。
电力推荐位：变电站视频分析主机、巡检机器人主脑、需要 DeepStream 编排或多模型级联（检测→OCR→小 LLM 告警句）的场景。表计可用检测+OCR 或姿态关键点，不必强求单模型。
2.2 Rockchip RK3588
RK3588 在国内电力边缘盒子里出镜率很高，关键是 MPP 硬解 + RGA 缩放 + 三核 NPU 是否打通零拷贝。导出路径：ONNX → RKNN Toolkit2 → .rknn → rknn_runtime。
INT8 注意点：布局（NCHW/NHWC）、部分自定义检测头、动态 shape 都可能逼你改图。Zoo 公布的是单核友好对比数；营销材料若写「200 FPS」往往来自三核管线或更小输入，投标对比必须写明核数与是否含解码。
功耗量级：公开行业实测里，单路 640/1080p 检测盒子常见约 4～6 W 板级；CPU+NPU+多路解码拉满可到约 8～10 W+。这不是瑞芯微合同保证值，只能当量级。
电力推荐位：国产化站端多路盒子、性价比巡检边缘；指针表可直接试 Zoo 的 yolov8n-pose 再加角度几何。油位、异物等仍缺金标准集，需自采。
2.3 Hailo-8 / Hailo-8L（含树莓派 AI HAT）
Hailo 的优势是「树莓派/工控机加一张卡就能上视觉」，官方 Zoo 数字非常亮眼，但测量主机是桌面 PCIe Gen3×4。导出路径：ONNX 或 TF → Hailo Dataflow Compiler → HEF → HailoRT；GStreamer 侧常见 hailonet。
INT8 注意点：8 与 8L 的 HEF 不通用，要分别编译；DFC 访问通常在客户区。树莓派 5 单通道 PCIe 会成为瓶颈，社区已多次报告「达不到官网 FPS」。看标书时要写清「Hailo 官方主机」还是「Pi5 实测」。
功耗量级：第三方对比里，加速器在持续 YOLOv8s 负载下约 Hailo-8 ~5.5 W、Hailo-8L ~2.5 W；Pi5+8L 整机平均可到约 6 W 量级。适合电池/太阳能预算紧的巡检点。
电力推荐位：中小型巡检机器人、杆塔/光伏补点摄像头主机；超多路变电站仍更看 Orin 或 RK 整盒。
2.4 Google Coral USB / PCIe
Coral 历史地位重要，但 Edge TPU 算子白名单极严。导出路径：全整型量化 TFLite → edgetpu_compiler → edgetpu.tflite。SSD-MobileNet、EfficientDet-Lite 仍是「能跑且文档全」的主路径；把 YOLO11 硬编进去，经常大量 CPU fallback，FPS 会塌到个位数到数十（视输入而定）。
功耗量级：典型约 2 W，峰值电流公开资料约 900 mA 量级。USB 2.0 口会严重拖慢。
电力推荐位：只建议维护既有 Coral 产线或做极简人员检测演示；新开电力视觉项目不优先。
2.5 Intel 工控 NPU + OpenVINO
适合「站里已经是 Windows/Linux 工控机，只想加模型不换整机」。导出路径：ONNX → OpenVINO IR → Runtime 指定 NPU（也可回退 GPU/CPU）；量化用 NNCF。
INT8 与口径注意：不同代 Core Ultra、不同 OpenVINO 版本，NPU 上 YOLO 的公开 FPS 互相差一截。本文因此只给「数十到约百 FPS」量级，并强调 本机 benchmark_app / Ultralytics 导出复测。整机功耗是笔记本/工控电源级别（常十五瓦起步到数十瓦），未找到可横比的「仅 NPU 瓦特」金标准表。
电力推荐位：已有 x86 的集控/站端主机，兼做 OCR、安防检测与本地小 LLM 摘要。
2.6 STM32N6 与 STM32G4（TinyML）
N6 把 MCU 级视觉推到「可公开表」的程度：官方 wiki 用 YOLOv8n 256/320 给出 FPS 与 mW（含外部存储）。导出路径：TFLite/ONNX → ST Edge AI Core / Cube.AI → Neural-ART 可执行。G4 则是经典控制 MCU，适合 MLPerf Tiny 级关键词与异常检测，不要指望柜内 640 检测。
INT8 注意：N6 数字全部是小输入；强行 640 会爆内存或掉到不可用。量功耗时认准 wiki 是否计入外部 Flash/RAM。
电力推荐位：开关柜就地摄像头（人靠近、柜门、小烟火需自研）、声纹/振动关键词前端、与上层 Orin/RK 盒子协同的「第一道过滤」。
2.7 ESP32-S3 / ESP32-P4
乐鑫路线适合物联网节点。官方 yolo26 component 已给出冷酷数字：即使 P4，512 输入也要约 0.9 s 级推理，640 更慢；S3 再差一截。这决定了它只能做抓拍/触发式检测，不能做站端实时多路。
导出路径：按 ESP-DL 量化并打包；注意 PSRAM 带宽与 Flash 摆放。功耗：与 YOLO26 同行的官方 mW 表 未找到，需用电源监控自测。
电力推荐位：传感器唤醒、柜门/刀闸小目标、本地语音关键词；与 STM32 类似，做「前端」而不是「站端大脑」。
3. 跨平台阅读陷阱（标书与验收）
- FPS 口径：NPU-only、含前处理、含解码、DeepStream 多路，四套数差几倍。验收协议应写清输入源（文件/RTSP）、是否硬件解码、是否画框、统计窗口。
- 官方峰值 ≠ 现场：Hailo 桌面表、RK 单核表、Orin Super 模式，都可能被总线、散热、电源骗过。
- 电力业务模型几乎都无厂商 FPS：绝缘子、指针表、油位、电缆接头红外、AFCI 波形——公开的是通用骨干。POC 必须带自有几十～几百张再谈指标。
- 红外：分辨率低但伪彩/温度映射预处理重；未找到各板在同一热成像数据集上的对照 FPS。
- 功耗：模组 TDP、加速卡轨、整机 USB-C 口，三种测点不要写进同一格。散热不良会先降频再「看起来省电」。
4. 继续深挖建议
- 固定三套业务权重（安全帽 YOLO11n、指针 Pose、自研 1D/关键词）在 Orin Nano Super、RK3588、Pi5+Hailo-8L、STM32N6 上跑同一脚本，输出 p50/p95 延迟、整机瓦特、业务 mAP。
- 把本表与既有 GStreamer 元素矩阵对齐，专门测「解码+推理」管线，而不是 Zoo 纯推理。
- 补齐 Qualcomm RB/QCS、算能 Sophon、爱芯 Axera 等国内站端常见 NPU 的公开 Zoo 数，形成短名单。
- 电弧专题：检索 AFCI/局部放电公开波形在 MCU DSP 与小 NPU 上的 ms/窗，与视觉「电弧/闪光」检测严格分列。
- 建立版本化复测 CI（Ultralytics / RKNN / Hailo DFC 升级后自动重跑），防止文档数字随工具链漂移。
5. 主要来源（便于复核）
- Ultralytics《NVIDIA Jetson》《DeepStream on Jetson》指南中的 YOLO11 延迟表
- 第三方 Orin Nano TensorRT 复测博客（含功耗点，仅作量级）
- airockchip/rknn_model_zoo 与 Seeed reComputer AI Lab 复述表；社区 issue 中的三核管线数
- hailo_model_zoo 之 HAILO8 / HAILO8L
object_detection.rst - Coral Edge TPU benchmarks / object detection 模型页；Ultralytics Coral on Raspberry Pi 指南
- STM32Cube.AI model performances
- Espressif Component Registry：
espressif/yolo26benchmark - NVIDIA JetPack 6.2 Super Mode 技术博客（功耗档叙述）
- Sixfab / SpecPicks 等 Pi + Hailo 整机功耗对比（第三方，非官网合同值）
本文为公开资料汇编，不构成任何厂商性能担保或投标承诺。上线与验收前，必须在目标硬件、目标功耗模式与业务数据上复测。