mica-ai-plate-spring-boot-starter ​

HyperLPR3 中国车牌识别 Spring Boot Starter，基于 mica-ai-plate 核心模块。Apache-2.0 可商用。

零配置即可注入 PlatePipeline Bean，对外提供 recognizePath / recognizeBytes / recognize(Mat) 三个 API。

1. Maven 依赖 ​

xml
<dependency>
    <groupId>net.dreamlu</groupId>
    <artifactId>mica-ai-plate-spring-boot-starter</artifactId>
    <version>${mica-ai.version}</version>
</dependency>

需要同时引入 spring-boot-starter；与父项目保持一致，推荐 JDK 8+（Spring Boot 2.7.x）。

2. 配置项（mica.ai.plate 前缀） ​

yaml
mica:
  ai:
    plate:
      enabled: true                                          # 默认 true
      model-version: 20230229                                # 模型版本（日志用）
      detection-model-path: classpath:models/y5fu_320x_sim.onnx
      recognition-model-path: classpath:models/rpv3_mdict_160_r3.onnx
      classification-model-path: classpath:models/litemodel_cls_96x_r1.onnx
      detection-input-size: 320                              # 320 / 640
      detection-confidence-threshold: 0.25
      detection-nms-threshold: 0.5
      max-plates: 5
      onnx:
        intra-op-num-threads: 0                              # 0 = ORT 默认
        inter-op-num-threads: 0
        cuda-device-id: 0
配置默认说明
enabledtrue是否启用自动装配
model-version20230229版本标识（日志用）
detection-model-path / recognition-model-path / classification-model-path无三模型路径，必填，支持 classpath:
detection-input-size320检测输入边长（仅 320 / 640）
detection-confidence-threshold0.25检测置信度阈值
detection-nms-threshold0.5NMS IoU 阈值
max-plates5单图最多返回车牌数
onnx.intra-op-num-threads0ORT 内部线程
onnx.inter-op-num-threads0ORT 交互线程

enabled=false 时不装配 PlatePipeline；三个模型路径必填，缺失启动会 fail-fast。

3. 使用示例 ​

3.1 REST 端点：上传图片 → 返回车牌 ​

java
@RestController
@RequiredArgsConstructor
public class PlateController {

    private final PlatePipeline pipeline;

    @PostMapping("/plate/recognize")
    public List<PlateResult> recognize(@RequestParam("file") MultipartFile file) throws IOException {
        return pipeline.recognizeBytes(file.getBytes());
    }
}

3.2 业务用法 ​

java
@Service
@RequiredArgsConstructor
public class GateService {

    private final PlatePipeline pipeline;

    public String recognizeFirstPlate(byte[] imageBytes) {
        List<PlateResult> results = pipeline.recognizeBytes(imageBytes);
        if (results.isEmpty()) {
            return null;
        }
        PlateResult r = results.get(0);
        return r.getPlateCode();           // e.g. "津B6H920"
    }
}

3.3 输出字段（PlateResult） ​

字段类型含义
plateCodeString车牌号（双层牌为上下两行拼接）
plateTypePlateType10 类枚举，详见 mica-ai-plate/README.md
detectionConfidencefloat检测框得分
recognitionConfidencefloatCTC 解码字符概率均值
boundingBoxint[4]原图坐标 [x1, y1, x2, y2]
landmarksint[4][2]4 角点（左上 / 右上 / 右下 / 左下）

4. 自定义 Pipeline ​

java
@Configuration
public class MyPlateConfig {

    @Bean
    public PlatePipeline myPipeline(PlateProperties props) {
        return PlatePipeline.create(props.toPlateConfig());
    }
}

只要返回 PlatePipeline 即可被 Starter 识别为自定义实现，业务代码零改动。

5. 完整示例 ​

参见 mica-ai-example。