3、轻量级目标检测模型选型：YOLO系列轻量变体（YOLOv5n、YOLOv8n）、MobileNet-SSD、Tiny-YOLO等模型对比与适用场景
在STM32CubeAI部署场景中，模型选型直接决定了推理帧率、内存占用与检测精度的平衡点。本章聚焦于三类主流轻量级目标检测模型——YOLO系列轻量变体（YOLOv5n、YOLOv8n）、MobileNet-SSD以及Tiny-YOLO，从结构原理、部署指标、适用场景三个维度展开对比，并给出基于STM32H743平台的选型决策路径。
3.1 核心原理：三类轻量模型的架构差异与部署本质
轻量级目标检测模型的本质是在“特征提取能力”与“计算开销”之间寻找帕累托最优解。YOLOv5n与YOLOv8n均属于单阶段（One-Stage）检测器，其核心思想是将目标检测视为回归问题，直接在特征图上预测边界框坐标与类别概率。YOLOv5n采用CSPDarknet53作为骨干网络，通过C3模块（Cross Stage Partial）减少冗余梯度计算，检测头使用耦合的卷积层同时输出类别与坐标；而YOLOv8n则引入了C2f模块（Cross Stage Partial with 2 convolutions and fusion），在保持轻量化的同时增强了特征融合能力，并采用解耦头（Decoupled Head）将分类与回归分支分离，配合TaskAlignedAssigner正样本分配策略，在COCO数据集上mAP提升约2-3个百分点。
MobileNet-SSD则走的是另一条技术路线：以MobileNetV1或MobileNetV2作为骨干网络，利用深度可分离卷积（Depthwise Separable Convolution）将标准卷积分解为逐通道卷积与逐点卷积，计算量降低至原来的1/8至1/9。其检测头采用SSD（Single Shot MultiBox Detector）结构，在多个不同尺度的特征图上预设先验框（Prior Box），通过回归偏移量与类别置信度完成检测。这种设计使得MobileNet-SSD在CPU平台上具有极佳的推理速度，但先验框的密集铺设也带来了额外的内存访问开销。
Tiny-YOLO是YOLO系列的极致裁剪版本，其骨干网络仅包含9个卷积层和6个最大池化层，检测头直接使用1×1卷积在单一尺度特征图上输出预测张量。以输入尺寸416×416为例，Tiny-YOLO的参数量约为5.6M，FLOPs约为5.5G，仅为YOLOv5n（约1.9M参数，4.2G FLOPs）的约1/3。但代价是检测精度显著下降，在VOC数据集上mAP约为57%，而YOLOv5n可达64%以上。
从STM32CubeAI部署视角看，模型选型的关键不在于理论FLOPs，而在于量化后的实际资源占用。STM32CubeAI将浮点模型转换为INT8定点模型时，会引入激活值动态范围校准（使用代表性数据集计算每层激活的min/max），这一过程对模型的批归一化层（BatchNorm）融合、残差连接结构尤为敏感。YOLOv8n的解耦头结构在量化时可能产生更大的精度损失，因为分类与回归分支的激活值分布差异较大，需要更精细的校准策略。
network_report.html中的MACC与RAM指标综合判断。
3.2 判断方法：基于STM32CubeAI的量化部署评估流程
在STM32CubeAI环境中评估模型适配性，需要遵循一套标准化的量化与验证流程。首先，将训练好的PyTorch或TensorFlow模型导出为ONNX格式，注意需将检测头中的NMS（非极大值抑制）操作剥离，因为CubeAI不支持NMS算子，NMS需在MCU端由STM32的NPU或CPU软件实现。其次，使用CubeAI的stm32ai onboard_convert命令进行量化，关键参数包括：--input_type int8、--calibration_data指向校准图片集（建议500-1000张覆盖各类目标的图像）、--scale_mode选择min_max或percentile。
量化完成后，需要重点检查三个指标：Flash占用（模型权重+中间层参数）、RAM占用（激活值缓冲区+临时变量）、推理延迟（以STM32主频为基准）。对于STM32H743（Cortex-M7 @480MHz，2MB Flash，1MB RAM），经验阈值如下：Flash占用应小于1.5MB（留出应用代码空间），RAM占用应小于400KB（避免与图像采集缓冲区冲突），推理延迟应小于200ms（满足实时视频流处理需求）。
此外，还需验证量化后的精度损失。使用验证集（建议200张图像）分别运行浮点模型与INT8模型，计算mAP差值。若精度损失超过5%，则需要调整校准策略：增加校准图片数量、改用percentile校准方法（如99.99%分位数）、或对敏感层（如检测头的最后一层卷积）进行混合精度保留（CubeAI支持--mixed_precision选项）。
| 评估维度 | YOLOv5n | YOLOv8n | MobileNet-SSD | Tiny-YOLO |
|---|---|---|---|---|
| 骨干网络 | CSPDarknet53 | C2f结构 | MobileNetV2 | 9层卷积 |
| 参数量(M) | 1.9 | 3.2 | 5.1 | 5.6 |
| FLOPs(G) | 4.2 | 8.7 | 1.2 | 5.5 |
| INT8 Flash占用(MB) | 2.1 | 3.4 | 1.8 | 1.2 |
| 峰值RAM占用(KB) | 380 | 520 | 290 | 210 |
| mAP@0.5 (COCO) | 64.5% | 67.3% | 58.2% | 51.0% |
| STM32H743推理延迟(ms) | 185 | 260 | 120 | 95 |
| 多尺度检测能力 | 3尺度 | 3尺度 | 6尺度 | 单尺度 |
3.3 案例拆解：工业零件分拣场景的模型选型实战
某电子制造企业需要在STM32H743驱动的工业相机上实现螺丝、垫片、螺母三类零件的实时分拣。系统约束为：图像分辨率640×480，帧率要求≥15FPS，零件最小尺寸约20×20像素，检测精度要求mAP≥85%（在自建数据集上）。初始方案采用YOLOv8n，但CubeAI量化后Flash占用达3.4MB，超出2MB限制，且推理延迟260ms无法满足帧率要求。
分析过程：首先检查YOLOv8n的Flash占用构成，发现解耦头中的两个并行分支（分类与回归）各占约0.8MB权重，且C2f模块的残差连接在量化后需要额外的中间缓冲区。进一步测试发现，将输入尺寸从640×480降至416×416后，Flash占用降至2.8MB，但延迟仍达210ms。此时考虑替换为MobileNet-SSD，其INT8模型Flash占用1.8MB，RAM占用290KB，推理延迟120ms，满足资源约束。但实测mAP仅为82.3%，低于85%的精度要求。
最终方案采用YOLOv5n + 输入裁剪 + 通道剪枝的组合策略：将YOLOv5n的输入尺寸固定为416×416，并通过结构化剪枝将C3模块的通道数从64缩减至48（使用torch.prune库），剪枝后重新训练20个epoch恢复精度。量化后Flash占用降至1.6MB，RAM占用320KB，推理延迟150ms。在自建数据集上mAP达到86.1%，满足所有约束。部署时还发现，将NMS算法改为贪心合并（Greedy Merge）而非标准NMS，可减少约15ms的CPU开销，因为零件目标稀疏且无重叠。
复盘经验：模型选型不是单一维度的最优解，而是资源约束下的多目标优化。YOLOv8n虽然精度最高，但其解耦头结构在MCU上代价过高；MobileNet-SSD精度不足，但可通过增加输入分辨率（如512×512）弥补，此时Flash占用增至2.2MB，延迟增至160ms，仍可接受。最终选择YOLOv5n是因为其结构对称性更好，剪枝后精度损失最小。
3.4 适用场景与选型决策清单
基于上述对比，可以总结出清晰的选型决策路径。当目标类别数≤3且目标尺寸较大（>50×50像素）时，Tiny-YOLO是合理选择，其极低的资源占用可留出更多Flash给图像预处理算法（如白平衡、畸变校正）。当目标类别数在4-10类且存在小目标（20-50像素）时，YOLOv5n是首选，其C3模块在量化后精度损失较小，且支持多尺度特征融合。当目标类别数>10类或需要高精度（mAP>90%）时，YOLOv8n虽然资源占用高，但可通过输入尺寸裁剪（如320×320）和通道剪枝来适配STM32H7系列的高端型号（如H750，2MB Flash）。
MobileNet-SSD则适用于对延迟极度敏感（<100ms）且目标尺寸均匀的场景，例如传送带上的规则零件检测。其SSD头的多尺度先验框设计在目标尺度变化不大时表现稳定，且深度可分离卷积在Cortex-M7内核上能充分利用SIMD指令（如ARM的DSP扩展），实际加速比优于理论值。
- 先测量目标最小尺寸与图像分辨率，计算目标像素占比，排除Tiny-YOLO（若占比<5%）。
- 用CubeAI对候选模型进行INT8量化，记录Flash/RAM/延迟三项指标，与硬件资源对比。
- 若YOLOv8n超限，优先尝试输入尺寸裁剪（416→320），再考虑通道剪枝。
- 若精度不足，尝试MobileNet-SSD+更高输入分辨率（512×512），而非直接换用YOLOv8n。
- 最后用200张验证集图像做量化精度对比，确保mAP损失<5%。
在STM32CubeAI的实际部署中，模型选型还需考虑CubeAI的算子支持范围。例如，YOLOv8n的SiLU激活函数在CubeAI中会被替换为ReLU或HardSwish，这可能导致精度变化。建议在训练阶段就使用与CubeAI兼容的激活函数（如ReLU6），或在量化后使用stm32ai validate命令逐层检查算子映射。通过系统化的评估流程与合理的选型策略，完全可以在STM32平台上实现接近边缘GPU的检测性能，为工业质检、智能安防等场景提供低功耗、低成本的AI解决方案。