一、系统概述
通过AI技术实现车辆登船记录的自动化、智能化管理，利用高精度车牌识别、实时状态监测和数据分析，提升船舶调度效率，降低人工成本。系统支持高可靠性、可扩展性和复杂环境适应性。
二、系统架构设计
1. 硬件配置
车牌识别摄像头：
- 型号：预算足的话最好400万像素以上工业摄像头，配备夜间红外补光。
- 部署位置：船舱出入口，2-5米高度，俯拍车辆/平视车辆。
- 防护等级：IP67，适应码头潮湿、盐雾环境。
- 数量：每个泊位口部署四台摄像机，两台监控入场车辆，两台监控出场车辆
处理终端：
- 工控机：8核，32G内存以上。
- 存储：512G以上磁盘空间。
- 系统：Windows/Linux均可。
- 数量：2台，一台主设备，另一台做备用机
通讯模块：
- 连接方式：网线连接，基于TCP/IP协议，支持4G/5G备份链路。
- 带宽需求：≥10Mbps，确保数据实时传输。
设备控制箱：
- 防护等级：IP66，内置温控系统，防潮、防 尘。
- 集成设备：工控机、交换机及NVR（网络视频录像机）。
- 可选配置：配备UPS（≥30分钟续航），防止突然断电。
2. 软件架构
车牌识别模块：
- 技术栈：Python + OpenCV + PyTorch。
- AI模型：YOLOv11（目标检测）+ CRNN（字符识别）/PaddleOCR，具体可能在做的过程中比较效果。
- 功能：实时解析摄像头画面，提取车牌号，识别准确率目标>99%。
车辆登船记录、数据管理、报表生成模块：
- 数据库：Postgres。
- 技术：Flask，Pandas + OpenPyXL。
- 功能：记录车辆进出时间、状态，生成历史记录，生成Excel/CSV格式报表，包含车牌号、登船/退出时间、状态等，支持异常高亮。
三、AI功能实现
1. 技术方案
模型选择：
- 目标检测：YOLOv11，检测车牌区域，适合实时场景。
- 字符识别：CRNN + CTC Loss/PaddleOCR，处理车牌。
- 数据增强：旋转、模糊、亮度调整，提升模型鲁棒性。
训练与优化：
- 数据集：乙方采集码头实际场景数据（≥1万张标注图像），包含污损、遮挡、夜间等场景。甲方等待摄像头安装完成，配合找一些车辆进出采集数据，乙方使用Labelling标注车牌位置及字符。
- 迁移学习：基于预训练模型微调，缩短训练周期。
智能校验：
- 规则过滤：校验车牌格式（如长度、字符规则）。
- 异常处理：污损/遮挡车牌时，触发人工补录接口。
2. 功能实现
基础功能：
- 实时车牌识别：捕捉车辆进出画面，提取车牌号。
- 状态判定：基于车辆轨迹（通过多帧分析），判断登船/退出状态。
- 数据记录：存储车牌号、时间、状态，生成自动化报表。
扩展功能：
- 智能预警：车辆停留超过一定时间或者车辆异常进出将会提出预警。
- 数据分析：统计登船高峰时段、异常频率，生成可视化图表（使用Matplotlib/Seaborn）。
- 多功能扩展：提供API查询车辆进出状态，供后续开发集成。
四、外部接口、内部模块交互
1. 工控机和上位机接口定义
-
协议类型：HTTP，POST请求
-
需要 确保工控机和上位机在同一网段
-
登船json
-
其中
request里面字段：servicecode：WebApi_Vehicle_Onboard_Offboard_Status, 表示车辆登船状态(定义里面说只能有10位长度，但是其他案例有很长的例子，所以我取这个，如果不合适，可以跟我方反馈，我放修改)appid需要甲方提供（表示应用名称）reqid由每次调用我方生成- 加密
key:需要由甲方提供，由此生成signdata,
-
param:-
berthCode: 泊位code，需要和甲方保持一致，可以甲方提供给我们，- 目前我们设置为: "1A" - "16A"
-
timestamp: 时间戳 -
type: 登船，还是离船- "onboard"：登船
- "offboard": 离船
-
status:- 1表示在正确的泊位
- 0表示不在正确的泊位
-
time: 时间戳，UTC+8（北京时间）
-
-
{
"request": {
"appid": "AH856BDC-9F3E-487E-671D-C84DEA45EB24",
"reqid": "B683DA45-D4C3-45DB-AB60-8DEEECB6DE10",
"protover": "1.0",
"servicever": "1.0",
"requesttime": "20250606142930276",
"reserve": "",
"servicecode": "WebApi_Vehicle_Onboard_Offboard_Status",
"signdata": "556EDDE1D05C3ABA63535D57A0A68F1D"
},
"param": {
"berthCode": "1A",
"vehicleNo": "粤B·CD456",
"status": "1",
"type": "onboard",
"time": "20250606142930276"
}
}
2. 双工控机主从切换模块
-
主要架构
-
双节点架构：NodeA + NodeB
-
工作模式：
-
主节点：执行核心业务
-
备用节点：实时监控+热备数据
-
-
切换方式：自动故障切换 + 手动强制切换
-
-
核心技术
-
心跳检测：UDP广播 + 自定义协议（1s/次）
-
故障判定：连续3次心跳丢失 + 硬件自检
-
-
技术栈
- Python，ZeroMQ， Protobuf
五、工期安排
| 任务名称 | 时间 | 备注 |
|---|---|---|
| 1. 项目启动与需求确认 | 3天 | 确认需求、硬件选型、接口标准。 |
| 2. 硬件采购与部署 | 一周 | 采购4MP+摄像头、工控机、UPS等；安装。 |
| 3. 数据采集与模型训练 | 两周 | 采集码头车牌数据（1万张）； 训练YOLOv11+CRNN/PaddleOCR模型，优化准确率。 |
| 4. 软件开发 | 两周 | 开发车辆登船记录、数据管理、报表生成模块。 |
| 5. 上位机通信模块 | 一周 | 开发与上位机进行通讯的模块 |
| 6. 工控机主从切换功能 | 一周 | 设立机制，让两台工控机可以进行主从切换 |
| 7. 系统联调与测试 | 一周 | 功能测试、压力测试、异常测试。 |
| 8. 部署与验收 | 一周 | 现场部署、用户培训、生成自动化报表、验收。 |
预计总工期：50天