IoT 智能门锁骁龙模组部署人脸轻量化识别模型，休眠唤醒后首次推理耗时暴涨 3 倍，是什么机制造成，该怎么优化？

[牛牛战]

IoT 智能门锁骁龙模组部署人脸轻量化识别模型，休眠唤醒后首次推理耗时暴涨 3 倍，是什么机制造成，该怎么优化？

[老杨261]

耗时暴涨原理
模组休眠时 Hexagon DSP、NPU 电源被切断，唤醒后需要重新上电、初始化固件、重建模型运行环境；
模型权重休眠时被系统回收至闪存，唤醒后需要重新从 Flash 加载权重至 DSP 内存，IO 耗时巨大。
优化手段
采用浅休眠策略：门锁待机时保留 DSP 最低供电，仅关闭传感器、基带模块，避免 NPU 完全断电；
唤醒预加载机制：唤醒瞬间提前异步加载模型权重至 DSP 内存，用户抬手靠近门锁完成预加载；
模型权重存放至模组高速 SRAM 分区，加快读取速度。
唤醒预加载伪代码
plaintext

红外感应触发唤醒

if infrared_human_detect():
async_thread(pre_load_model_weight()) # 后台预加载模型
open_sensor_delay(200ms) # 延迟开启摄像头，留出加载时间

摄像头启动时模型已经加载完成，推理耗时恢复常态