Kano

一、立项背景与目标 港口岸桥电机碳刷在振动、粉尘、光照多变环境下易掉落，人工巡检难以及时发现，易造成电机损坏及停机损失。本项目基于NVIDIA Jetson边缘计算平台，在Ubuntu系统上部署YOLOv8模型，实现碳刷状态的实时视觉检测，替代人工巡检。 二、软件功能与核心模块 软件功能包括：RTSP视频流实时解码与预处理、YOLOv8模型推理（在位/掉落二分类）、滑动窗口防抖滤波、检测结果可视化叠加、报警状态输出（通过HTTP/Modbus接口与PLC对接）。核心模块： 视频接入与预处理：使用OpenCV解码多路RTSP流，完成尺寸缩放、归一化及光照自适应增强； YOLOv8推理引擎：在Jetson上将训练好的PyTorch模型转换为TensorRT格式，利用GPU加速实现实时推理。 状态判定与防抖：实现连续N帧滑动窗口投票机制，过滤因振动或飞鸟造成的单帧误检； 系统集成与输出：基于Ubuntu开发后台服务，通过HTTP/Modbus协议向PLC方提供报警状态接口，供对接人员调用。 三、业务流程与功能路径 业务流程：摄像头采集碳刷图像 → OpenCV解码并预处理 → YOLOv8 TensorRT推理输出状态 → 滑动窗口防抖确认 → 更新报警状态至共享接口 → PLC方轮询读取或接收推送。功能路径：通过Web配置页面添加RTSP源并设置检测区域；调整置信度阈值与防抖帧数；查看实时检测画面（绿框在位/红框掉落）；通过HTTP接口获取当前状态供PLC对接测试。

一、立项背景与目标 针对智慧物流场景下车辆自动识别与精确定位需求，开发激光雷达测距与AI车号识别融合系统。解决传统人工记录效率低、车辆位置追踪困难、数据分散无法联动等问题。目标是实现货车车牌自动OCR识别、激光雷达实时测距定位、多源数据融合上报，构建完整的车辆出入库自动化监控方案。 二、核心功能模块 激光雷达测距模块：基于HslCommunication实现多路雷达TCP通信，实时采集车辆距离和位置信息，20Hz高频采样，坐标转换与数据滤波 AI车号识别模块：集成PaddleOCR深度学习模型，RTSP视频流实时捕获，每50帧执行一次车牌识别，置信度过滤确保准确率 数据融合推送模块：通过MQTT协议将车号与测距数据关联发布（TruckNameTopic），SignalR实时推送到前端可视化界面 设备管理模块：FreeSQL+SQLite管理雷达和摄像头配置，支持动态添加设备和参数调整 三、业务流程 激光雷达持续测距→检测到车辆进入监测区域→触发摄像头RTSP流抓拍→PaddleOCR识别车牌号码→车号与距离数据通过MQTT关联发布→SignalR推送前端实时显示→云端平台接收数据进行仓储调度和路径规划。实现车号识别与位置追踪的自动化闭环，减少人工干预，提升物流效率。