(以下內容透過AI進行潤稿，提升文章觀看體驗)
這篇文章是我使用 RK3566 處理器 搭配 Frigate 進行影像辨識的測試報告，分享我的實測結果與經驗，提供給對這個組合有興趣的朋友參考。
1. 硬體配置
這次測試使用的開發板為 野火公司的魯班貓 1N，具體規格如下：
- CPU：RK3566（Rockchip）
- 記憶體：4GB RAM
- 存儲：32GB eMMC
這是我第一次使用內建 eMMC 的單板電腦。過程中發現某些軟體無法正常寫入，系統偶爾會出現 block 問題。因此，我選擇 清空 eMMC，改用 SD 卡安裝系統。另外，這款機型的 官方 image 檔案較舊，驅動程式支援度不足，使得 Docker 安裝與部署遇到困難，花了約 一週時間 才勉強完成安裝。
2. Frigate 性能測試與影片處理瓶頸
這次測試的重點是評估 Frigate 在 RK3566 內建 1T NPU (AI 推理加速器) 下的效能。我的測試配置與結果如下：
-
測試攝影機配置：
- 720p 攝影機 × 1 @ 1fps
- 360p 攝影機 × 3 @ 5fps
- 總計 FPS 為 16fps
-
效能觀察：
- CPU 使用率：約 60%
- NPU 使用率：大約 50%，推理速度穩定在 130ms
- 最大可穩定處理 FPS：約 7.5fps，超過此值後系統開始發生略過幀 (frame skipping)
雖然 GPU 硬體編碼功能已開啟，但由於 NPU 效能有限，當影片處理過於密集或影像變化過於劇烈時，系統難以穩定運行。
3. 記憶體需求
在 Docker 部署環境下，Frigate 的記憶體消耗約在 0.8GB 至 1.8GB 之間。
這次測試的設備搭載 4GB RAM，對於這樣的運行環境來說相對充裕。如果要運行更複雜的配置，建議記憶體容量至少為 4GB。若只有 2GB RAM 可能會出現效能瓶頸。
4. 電力消耗
根據我的抽樣觀察，當 CPU 使用率約 60%，且 GPU 與 NPU 同時運行時，功耗大約在 4-5W 左右。這對於長時間運行的應用來說，算是比較省電的表現。
