CV / LPRNet

LPRNet

reComputer R Series (CM5 + Hailo-10H)

Kentekenherkenning op reComputer RK3576, RK3588 en CM5 met Hailo-8 of Hailo-10H.

167 downloads

Precisie

RKNN / Hailo HEF

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm \
  --name cm5-hailo10h-lprnet \
  --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/lprnet:latest \
  python web_detection.py --model_path model/lprnet.hef --detector_model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

REST API

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "lprnet-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "lprnet-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Modeldetails

reComputer R Series (CM5 + Hailo-10H)

LPRNet op reComputer CM5 + Hailo-10H

Tiny-YOLOv4 detecteert kentekens en LPRNet leest de kentekentekst in één pipeline op Hailo-10H via HailoRT 5.1.1.

Modelinformatie

Eigenschap	Waarde
Taak	Pipeline voor kentekendetectie en tekstherkenning
Detector	Tiny-YOLOv4 (416x416x3, 2 koppen, ankerdecodering op de CPU)
Tekstherkenner	LPRNet (75x300x3, CTC-decodering naar kentekentekst)
Klassen	kentekenlocatie + kentekentekens 0-9
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (4.7 MB / 5.1 MB)

Hardware- en hostinstellingen

Onderdeel	Waarde
Bord	reComputer R Series met Raspberry Pi CM5
Versneller	Hailo-10H via PCIe, beschikbaar als `/dev/hailo0`
Hoststuurprogramma	apt-pakket `hailo-h10-all`
Runtime	HailoRT 5.1.1
Python in container	3.13, aarch64

bash

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

hailortcli fw-control identify
ls /dev/hailo0

Uitvoeren met demovideo

bash

sudo docker run --rm \
  --name cm5-hailo10h-lprnet \
  --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/lprnet:latest \
  python web_detection.py --model_path model/lprnet.hef --detector_model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

Open http://<Board_IP>:8000 voor het webvoorbeeld.

REST-API

bash

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

Ontwikkelnotities

Bronmodule: src/hailo10h_lprnet/
Dockerfile: docker/hailo10h/lprnet.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/lprnet:latest
Gebruikt de executor met meerdere uitgangen van HailoRT 5.1.1.

Invoer en uitvoer

RKNN: cropped plate or selected region to recognized text. Hailo: traffic frame to detected plate box and CTC-decoded numeric plate text.