🚗 سامانه تشخیص پلاک و سرعت خودرو (Ntk NumberPlate Hub)

سیستم جامع تشخیص پلاک خودرو و اندازه‌گیری سرعت با معماری Hub-Node، مبتنی بر YOLO و C#

این پروژه یک سیستم کامل برای تشخیص پلاک و سرعت خودرو است که شامل:

• Hub Server: سرور مرکزی برای جمع‌آوری و مدیریت داده‌ها (ASP.NET Core Web API)
• Angular Dashboard: داشبورد تحت وب برای نمایش و مدیریت اطلاعات
• Node Service: سرویس ویندوز برای تشخیص خودکار پلاک (Windows Service)
• Configuration App: نرم‌افزار پیکربندی نودها (Windows Forms)

┌─────────────────────────────────────────────────────────┐
│                    Hub Server                            │
│  ┌──────────────┐         ┌──────────────┐             │
│  │  Web API     │◄────────┤   Database   │             │
│  │ (ASP.NET Core)│        │  (SQL Server)│             │
│  └──────┬───────┘         └──────────────┘             │
│         │                                               │
│         │                                               │
│  ┌──────▼────────────────────────────────┐            │
│  │      Angular Dashboard                 │            │
│  │  (Real-time Monitoring & Management)   │            │
│  └────────────────────────────────────────┘            │
└────────────────────┬──────────────────────────────────┘
                     │
                     │ HTTP API
                     │
       ┌─────────────┴─────────────┬─────────────┐
       │                           │             │
   ┌───▼────┐                 ┌───▼────┐   ┌───▼────┐
   │ Node 1 │                 │ Node 2 │   │ Node N │
   │        │                 │        │   │        │
   │ ┌────┐ │                 │ ┌────┐ │   │ ┌────┐ │
   │ │YOLO│ │                 │ │YOLO│ │   │ │YOLO│ │
   │ └────┘ │                 │ └────┘ │   │ └────┘ │
   │ Camera │                 │ Camera │   │ Camera │
   └────────┘                 └────────┘   └────────┘

• ✅ API RESTful برای دریافت اطلاعات از نودها
• ✅ ذخیره‌سازی تصاویر و متادیتا در SQL Server
• ✅ مدیریت نودها و Heartbeat
• ✅ ارائه آمار و گزارش‌ها
• ✅ لاگ‌گذاری با Serilog

• ✅ داشبورد لحظه‌ای با نمایش آمار
• ✅ مشاهده تشخیص‌های اخیر
• ✅ جستجو و فیلتر براساس پلاک
• ✅ نمایش تخلفات سرعت
• ✅ مدیریت نودها (Online/Offline)
• ✅ به‌روزرسانی خودکار Real-time
• ✅ رابط کاربری زیبا و مدرن با طراحی RTL

• ✅ تشخیص پلاک با YOLO (ONNX Runtime)
• ✅ پردازش ویدیو با OpenCV
• ✅ محاسبه سرعت خودرو
• ✅ تشخیص تخلفات سرعت
• ✅ ارسال خودکار به Hub
• ✅ ذخیره محلی تصاویر
• ✅ اجرا به صورت Windows Service

• ✅ رابط گرافیکی ساده برای پیکربندی
• ✅ تست اتصال به Hub
• ✅ پیکربندی YOLO Model
• ✅ تنظیم دوربین و پارامترها
• ✅ مدیریت سرویس

• .NET 8.0 SDK
• Node.js 18+ و npm
• SQL Server (LocalDB یا SQL Server Express)
• Visual Studio 2022 یا JetBrains Rider

git clone https://github.com/akaravi/Ntk.NumberPlate.Hub.git
cd Ntk.NumberPlate.Hub

cd src/Hub/Ntk.NumberPlate.Hub.Api

# به‌روزرسانی Connection String در appsettings.json
# اجرای Migration
dotnet ef database update

# اجرای API
dotnet run

API در آدرس http://localhost:5000 در دسترس خواهد بود.

cd src/Hub/Ntk.NumberPlate.Hub.Dashboard

# نصب Dependencies
npm install

# اجرای Development Server
npm start

Dashboard در آدرس http://localhost:4200 در دسترس خواهد بود.

cd src/Node/Ntk.NumberPlate.Node.ConfigApp
dotnet build

cd ../Ntk.NumberPlate.Node.Service
dotnet build

1. فایل exe نرم‌افزار Configuration را اجرا کنید
2. تنظیمات زیر را وارد کنید:
   • نام نود
   • آدرس Hub Server
   • مسیر مدل YOLO
   • منبع ویدیو (شماره دوربین یا مسیر فایل)
   • پارامترهای دیگر
3. روی "تست اتصال" کلیک کنید
4. تنظیمات را ذخیره کنید

روی دکمه "راه‌اندازی سرویس" در Configuration App کلیک کنید یا:

cd src/Node/Ntk.NumberPlate.Node.Service
dotnet run

Ntk.NumberPlate.Hub/
├── src/
│   ├── Hub/
│   │   ├── Ntk.NumberPlate.Hub.Api/           # ASP.NET Core Web API
│   │   │   ├── Controllers/                   # API Controllers
│   │   │   ├── Services/                      # Business Logic
│   │   │   ├── Data/                          # Database Context
│   │   │   └── Models/                        # Entity Models
│   │   │
│   │   └── Ntk.NumberPlate.Hub.Dashboard/     # Angular Dashboard
│   │       ├── src/app/
│   │       │   ├── components/                # UI Components
│   │       │   ├── pages/                     # Pages
│   │       │   └── services/                  # API Services
│   │       └── package.json
│   │
│   ├── Node/
│   │   ├── Ntk.NumberPlate.Node.Service/      # Windows Service
│   │   │   ├── Services/                      # Core Services
│   │   │   │   ├── YoloDetectionService.cs    # YOLO Integration
│   │   │   │   ├── HubCommunicationService.cs # API Communication
│   │   │   │   └── SpeedCalculationService.cs # Speed Detection
│   │   │   └── Worker.cs                      # Background Worker
│   │   │
│   │   └── Ntk.NumberPlate.Node.ConfigApp/    # Windows Forms Config
│   │       └── MainForm.cs                    # Configuration UI
│   │
│   └── Shared/
│       └── Ntk.NumberPlate.Shared/            # Shared Models & DTOs
│           └── Models/                        # Common Data Models
│
├── Ntk.NumberPlate.Hub.sln                    # Solution File
└── README.md

{
  "ConnectionStrings": {
    "DefaultConnection": "Server=(localdb)\\mssqllocaldb;Database=NtkNumberPlateHub;..."
  },
  "ImageStorage": {
    "BasePath": "wwwroot/images",
    "MaxImageSizeMB": 10
  }
}

{
  "NodeId": "unique-node-id",
  "NodeName": "Node-1",
  "HubServerUrl": "http://localhost:5000",
  "YoloModelPath": "models/plate-detection.onnx",
  "ConfidenceThreshold": 0.5,
  "VideoSource": "0",
  "ProcessingFps": 5,
  "SpeedLimit": 50,
  "EnableSpeedDetection": true
}

پروژه از YOLO برای تشخیص پلاک استفاده می‌کند. برای استفاده:

1. مدل YOLO خود را آموزش دهید یا از مدل‌های از پیش آموزش دیده استفاده کنید
2. مدل را به فرمت ONNX تبدیل کنید
3. مسیر مدل را در Configuration App تنظیم کنید

from ultralytics import YOLO

# آموزش مدل (YOLOv11)
model = YOLO('yolo11n.pt')
model.train(data='license_plate.yaml', epochs=100)

# Export به ONNX با ورودی 640 و opset مناسب
model.export(format='onnx', opset=12, imgsz=640)

• POST /api/vehicledetection/submit - ثبت تشخیص جدید
• GET /api/vehicledetection/recent?count=100 - دریافت آخرین تشخیص‌ها
• GET /api/vehicledetection/by-plate/{plateNumber} - جستجوی پلاک
• GET /api/vehicledetection/statistics - دریافت آمار

• POST /api/node/register - ثبت نود جدید
• POST /api/node/heartbeat/{nodeId} - ارسال Heartbeat
• GET /api/node/list - لیست تمام نودها
• GET /api/node/{nodeId} - اطلاعات یک نود

• استفاده از API Token برای احراز هویت نودها
• اعتبارسنجی ورودی‌ها
• محدودیت حجم فایل‌های آپلود
• لاگ‌گذاری تمام عملیات

• لاگ‌های Hub در: logs/hub-*.log
• لاگ‌های Node در: logs/node-service-*.log
• نمایش وضعیت نودها در Dashboard
• آمار Real-time در Dashboard

برای مشارکت در پروژه:

1. Fork کنید
2. Branch جدید بسازید (git checkout -b feature/AmazingFeature)
3. Commit کنید (git commit -m 'Add some AmazingFeature')
4. Push کنید (git push origin feature/AmazingFeature)
5. Pull Request ایجاد کنید

این پروژه تحت لایسنس MIT منتشر شده است.

Alireza Karavi

• Senior Software Developer
• Expertise: .NET, C#, Python, Computer Vision, AI/ML
• GitHub: @akaravi

• YOLO برای مدل تشخیص
• OpenCV برای پردازش تصویر
• Angular برای Dashboard

برای سوالات و پشتیبانی:

• GitHub Issues: Issues
• Email: support@ntk.ir

سیستم سرعت را بر اساس زمان عبور خودرو از دو نقطه محاسبه می‌کند. برای دقت بیشتر:

• فاصله بین دو نقطه را دقیق اندازه‌گیری کنید
• دوربین را در محل مناسب نصب کنید
• کالیبراسیون دوربین را انجام دهید

• ProcessingFps را بر اساس قدرت سخت‌افزار تنظیم کنید
• از GPU برای YOLO استفاده کنید (در صورت وجود)
• تصاویر را در محل ذخیره کنید و به صورت Batch ارسال کنید

• HTTPS را برای ارتباط نودها با Hub فعال کنید
• API Token قوی استفاده کنید
• دسترسی به Dashboard را محدود کنید
• Backup منظم از دیتابیس بگیرید