Skip to main content

3-2025-05-15-AI车辆登船记录系统技术解决方案评估

5 min read

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​

image-20250523170550316

image-20250523172342859

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

Loading Comments...
0%