RK3588 的 NPU （ 神经网络处理单元 ）凭借6TOPS算力，在边缘计算领域展现出强大能力，尤其在视频处理、AI推理和工业控制方面表现突出。 ‌
AI处理能力‌：支持 深度学习框架 （ TensorFlow 、 PyTorch ），可实时解析 8K视频流 ，同步运行车牌识别，物体识别，端到端计算、行为检测等算法。

RK3588 性能非常强悍，有三个NPU Core0，Core1，Core2，可以同时进行三路推理。

前言

 本文记录验证RK3588 +opencv + npu 边缘计算，物体识别，为了便于进行交互和互联网开发，我们在Android14版本上运行情况，Ubuntu系统也差不多。

板子配置如下。
RK3588+Android14+8G内存+128G EMMC

一、查看相关驱动和库版本

1.1 RKNPU驱动，我们这里采用的是0.9.8
[drm] Initialized rknpu 0.9.8 20250328
1.2 so和服务版本
采用最新的2.3.2版本
rknn_server version: 2.3.2 (1842325 build@2025-03-30T09:54:16)
librknnrt version: 2.3.2 (429f97ae6b@2025-04-09T09:08:16)

二、运行demo结果

1.查看CPU和内存使用情况

cpu基本是37%，应该是opencv吃了CPU，内存吃得很少

2.查看NPU使用情况

RK3588 有三个NPU我们这里只用了一个Core0，长时间循环测试大概在52%，从单个运行效率数据对比，比RK3566和RK3568性能提高很多，后两者只有一个NPU在640分辨率下NPU基本上吃满86%左右而3588只有52%左右。

3.查看运行效率

约43ms完成一次推理比3568也快了不少。

总结

从单个NPU性能上对比，RK3588相比RK3566和RK3568性能提升很大，用640分辨率进行推理，NPU推理单次耗时约42ms，基本能达到23帧左右，如果通过对算法和资源进行优化基本可以跑60帧 ，
NPU 使用率相比也提升了很多3588是52%，RK3568是85%。