Reconnaissance de plaques avec Raspberry Pi 5 et Hailo-8

1. Fonctionnement

Le projet exécute une chaîne à deux étapes sur Raspberry Pi 5 avec Hailo-8. Tiny-YOLOv4 localise la plaque, puis LPRNet reconnaît les chiffres dans le recadrage à la résolution d’origine. Les deux réseaux HEF partagent l’accélérateur via l’ordonnancement HailoRT.

Fonctions

Détection et OCR accélérés par Hailo-8
Aperçu Web local avec FastAPI
API REST de prédiction d’images
Entrées vidéo, image et caméra

Prérequis

Raspberry Pi 5 ou système CM5 compatible, Hailo-8 M.2, Linux ARM 64 bits, HailoRT 4.23.x compatible, Python, FastAPI, OpenCV et Docker.

2. Guide de déploiement Raspberry Pi 5 + Hailo-8

bash

git clone https://github.com/Seeed-Projects/reComputer-Hailo8-CV.git
cd reComputer-Hailo8-CV

hailortcli scan
hailortcli fw-control identify

sudo docker build \
  -f docker/hailo8/lprnet.dockerfile \
  -t lprnet:latest \
  src/rpi5_hailo8_lprnet

bash

sudo docker run --rm \
  --name rpi5-hailo8-lprnet \
  --privileged --net=host \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  lprnet:latest

Ouvrez http://<BOARD_IP>:8000 depuis le même réseau. L’API image est disponible sur /api/models/lprnet/predict.

3. Logique de reconnaissance et recommandations

Le détecteur traite une image RGB de 416 × 416, produit deux sorties YOLO et applique le décodage et la NMS sur le CPU. LPRNet traite un recadrage BGR de 300 × 75 puis produit la séquence numérique avec Softmax et CTC.

L’alphabet officiel est 0123456789- ; il ne reconnaît ni les lettres ni les caractères provinciaux chinois. Veillez à obtenir une plaque suffisamment grande et nette, conservez des versions HailoRT compatibles et réglez les seuils avec les vidéos du site.