Real-Time License Plate Detection on Raspberry Pi 5 via NCNN-Optimized YOLOv8n

엣지 컴퓨팅과 TinyML의 발전으로 저비용 임베디드 디바이스에서의 실시간 객체 검출 수요가 증가하고 있다. 본 연구에서는 NCNN 프레임워크 기반의 YOLOv8n 모델 최적화를 통해 Raspberry Pi 5에서 실시간 번호판 검출을 달성하는 방안을 제시하였다. 본 연구는 YOLOv8n 모델을 대상으로 입력 해상도(640, 480, 416, 320), 양자화 수준(FP32, FP16, INT8), 추론 프레임워크(NCNN, TFLite)의 성능 영향을 체계적으로 분석하였다. 실험에는 중국 도시 주차장 데이터셋(CCPD) 10,000장을 활용하였으며, 총 20개 실험 설정에 대해 추론 속도, 정확도, 메모리 사용량을 측정하였다. 본 연구를 통해 NCNN 프레임워크의 ARM 최적화 장점 정량화, 입력 크기별 FPS-정확도 트레이드오프 분석, NCNN과 TFLite의 동일 조건 통합 비교, 동급 RPi 환경 선행 벤치마크와의 정량 비교, 최신 YOLO 모델의 엣지 디바이스 호환성 문제 확인, NPU 없는 저비용 실시간 검출 시스템 구현 가이드라인을 제시하였다.