物联网浏览器(IoTBrowser)-整合机器学习yolo框架实现车牌识别

最近一段时间在研究AI技术在.Net平台的使用，目前AI绝大部分是使用Python开发，偶然一次在头条看到一篇ML.NET的介绍，是Net平台下开放源代码的跨平台机器学习框架。ML.NET详细介绍

https://dotnet.microsoft.com/zh-cn/apps/machinelearning-ai/ml-dotnet

 

一开始学习的是图像分类和目标检测，整个ML.NET学习过程中走了不少弯路；目标检测最开始使用VS插件ML.NET Model Builder进行数据训练，发现执行效率低下。使用Vott进行图片标注发现也有不少bug，视频文件标注导出后文件路径识别不了。最后，找到了一个效率很高的方式，使用yolo导出onnx模型，yolo数据集使用Python训练和导出onnx，最后在.Net下进行调用即可。

 

一、车牌识别实现基本步骤

1. 数据标注，可以使用LabImg或其他标注工具

2.训练数据，训练车牌样式，训练文字和颜色ORC识别

3.导出onnx格式模型

4.使用ML.NET调用模型

二、整合到IoTBrowser

IoTBrowser增加Dynamic Api插件框架，另外找了一个Yolov5Net包，默认支持Net6，后面移植到.Net Framework下。

 

C#调用代码很简单

        public AjaxResponse CarNo(string inArgs) {             var ar = new Infrastructure.Web.AjaxResponse();             var obj = Newtonsoft.Json.JsonConvert.DeserializeObject<dynamic>(inArgs);             var path = string.Empty;             var beginTime = DateTime.Now;             if (obj.path != null)             {                 path = obj.path;             }             var image = System.Drawing.Image.FromFile(path);             var predictions = yolo.Predict(image);              if (predictions.Count < 1) {                 ar.Error("没有检测到车牌");                 return ar;             }             foreach (var prediction in predictions) // iterate predictions to draw results             {                 double score = Math.Round(prediction.Score, 2);                 var labelRect = prediction.Rectangle;                 var twoLayers = (labelRect.Height / labelRect.Width) > 0.5;                 //定义截取矩形                 System.Drawing.Rectangle cropArea = new System.Drawing.Rectangle((int)labelRect.X < 0 ? 0 : (int)labelRect.X, (int)labelRect.Y < 0 ? 0 : (int)labelRect.Y, (int)labelRect.Width, (int)labelRect.Height);                 //定义Bitmap对象                 System.Drawing.Bitmap bmpImage = new System.Drawing.Bitmap(image);                 //进行裁剪                 System.Drawing.Bitmap bmpCrop = bmpImage.Clone(cropArea, bmpImage.PixelFormat);                 //保存成新文件                 //bmpCrop.Save(Path.Combine(path, (fileName + "_" + dtNow + num + "_clone.png")), ImageFormat.Png);                  var yoloOcrpredictions = yoloOcr.Predict(bmpCrop);                 if (yoloOcrpredictions.Length > 0)                 {                     ar.Data = (new {carNo = yoloOcrpredictions[0] ,color = yoloOcrpredictions[1] });                                     }             }             return ar;         }          

　　

js端调用更简单

var filePath =""; var ar = await dds.dynamic.api.exectuce({ 	pluginName: "CarDetectApi", 	actionName: "CarNo", 	actionData: JSON.stringify({ 		path: filePath 	}) }) if (ar.Success && ar.Data) { 	var data = ar.Data; 	self.resultInfo = data.carNo + "--" + data.color } else { 	self.resultInfo = ar.Message; } 

　　

 

三、实现效果

 

支持的格式：

1.图片绝对文件路径

2.RTMP协议取帧识别

3.Mp4或ts文件取帧识别