CV / Plaques d’immatriculation

Tiny-YOLOv4 Détection de plaques d’immatriculation

reComputer R Series (CM5 + Hailo-10H)

Détection de plaques d’immatriculation à classe unique sur reComputer R Series avec Hailo-8 ou Hailo-10H.

55 téléchargements

Taille

8.21 MB

Mémoire

4GB+

Précision

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.

Plateforme

Moteur d'inférence

Pour commencer

Déployer

sudo docker run --rm \
  --name cm5-hailo10h-plate-detector \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

API REST

Utilisez l'API REST pour exécuter l'inférence. Copiez les commandes ci-dessous.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict" \
  -F "file=@traffic.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict",
    files={"file": open("traffic.jpg", "rb")},
    timeout=30,
)
print(response.json())

Détails du modèle

reComputer R Series (CM5 + Hailo-10H)

Tiny-YOLOv4 License Plates sur reComputer CM5 + Hailo-10H

Tiny-YOLOv4 détecte les plaques d'immatriculation (classe unique) sur Hailo-10H via HailoRT 5.1.1. Le HEF expose 2 têtes YOLO brutes ; le décodage des ancres et la NMS s'exécutent sur le CPU.

Informations du modèle

Propriété	Valeur
Tâche	Détection de plaques (classe unique)
Entrée	416x416x3
Sortie	Têtes YOLO brutes 13x13x18 et 26x26x18
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (5.1 MB)

Configuration du matériel et de l’hôte

Élément	Valeur
Carte	reComputer R Series avec Raspberry Pi CM5
Accélérateur	Hailo-10H via PCIe, exposé sous `/dev/hailo0`
Pilote de l’hôte	Paquet apt `hailo-h10-all`
Environnement d’exécution	HailoRT 5.1.1
Python dans le conteneur	3.13, aarch64

bash

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# After reboot
hailortcli fw-control identify
ls /dev/hailo0

Exécution avec la vidéo de démonstration

bash

sudo docker run --rm \
  --name cm5-hailo10h-plate-detector \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

API REST

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict"   -F "file=@plate.jpg"

Notes de développement

Module source : src/hailo10h_tiny_yolov4_license_plates/
Dockerfile : docker/hailo10h/tiny_yolov4_license_plates.dockerfile
Conteneur : ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov4_license_plates:latest
L'exécuteur encapsule create_infer_model à sorties multiples de HailoRT 5.1.1.
HEF : compilation hailo10h de Hailo Model Zoo v5.4.0.

Entrées et sorties

Input: 416x416 RGB traffic frame. Output: license-plate confidence and xyxy box after raw-head decoding and CPU NMS.