CV / LPRNet

LPRNet

reComputer R Series (CM5 + Hailo-10H)

在 reComputer RK3576、RK3588 和搭载 Hailo-8 或 Hailo-10H 的 CM5 上进行车牌识别。

167 次下载

精度

RKNN / Hailo HEF

选择你正在使用的设备，设置指南和文档将相应更新。

平台

推理引擎

快速开始

部署

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

使用 REST API 进行推理。复制以下命令。

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())

模型详情

reComputer R Series (CM5 + Hailo-10H)

在 reComputer CM5 + Hailo-10H 上运行 LPRNet

Tiny-YOLOv4 负责检测车牌，LPRNet 负责识别车牌文本；两者通过 HailoRT 5.1.1 在 Hailo-10H 上组成一条推理流水线。

模型信息

属性	值
任务	车牌检测与识别流水线
检测器	Tiny-YOLOv4（416×416×3、2 个检测头、CPU 锚框解码）
识别器	LPRNet（75×300×3，通过 CTC 解码车牌字符串）
类别	车牌位置及 0–9 数字字符
HEF	Hailo Model Zoo v5.4.0，Hailo-10H（4.7 MB / 5.1 MB）

硬件与宿主机配置

项目	值
开发板	搭载 Raspberry Pi CM5 的 reComputer R Series
加速器	通过 PCIe 连接的 Hailo-10H，设备节点为 `/dev/hailo0`
宿主机驱动	`hailo-h10-all` apt 软件包
运行时	HailoRT 5.1.1
容器内 Python	3.13，aarch64

bash

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

hailortcli fw-control identify
ls /dev/hailo0

使用演示视频运行

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

打开 http://<Board_IP>:8000 查看网页预览。

REST API

bash

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

开发说明

源码模块：src/hailo10h_lprnet/
Dockerfile：docker/hailo10h/lprnet.dockerfile
容器镜像：ghcr.io/seeed-projects/recomputer-hailo10h-cv/lprnet:latest
使用 HailoRT 5.1.1 多输出执行器。

输入与输出

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