Modulare Kennzeichenerkennungs-Pipeline für Parkeinrichtungen

Übersicht

Ein Kunde, der stark frequentierte Parkanlagen betreibt, nutzte ein kamerabasiertes Kennzeichenerkennungssystem zur Verarbeitung von Fahrzeugein- und -ausfahrten an Schrankenanlagen. Die bestehende Lösung umfasste Komponenten zur Kennzeichenerkennung, jedoch war die zugrunde liegende Codebasis schwer zu warten und zu erweitern geworden.

 
iits-consulting unterstützte den Kunden bei der Umstrukturierung des bestehenden Workflows in eine modularere Architektur und verbesserte die Wartbarkeit der Kennzeichenerkennungs-Pipeline.

Challenge

Parkeinrichtungen mit Schranken-Zugangssystem sind auf eine zuverlässige Erkennung von ein- und ausfahrenden Fahrzeugen angewiesen. In diesem Setup verarbeitete das System keine kontinuierlichen Videostreams. Stattdessen wurden an der Schranke Bilder von Fahrzeugen aufgenommen und verarbeitet, um Kennzeichen zu identifizieren.

 
Der Kunde verfügte bereits über ein bestehendes KI-Framework und entsprechende Erkennungskomponenten, jedoch war die Codebasis im Laufe der Zeit zunehmend komplex geworden. Unterschiedliche Entwicklungspfade, ungenutzte Komponenten und eng gekoppelte Logik erschwerten das Verständnis, das Testen und die Anpassung des Systems. Dies betraf insbesondere den OCR-Teil des Workflows, bei dem Kennzeichentexte aus aufgenommenen Bildern extrahiert werden. Die bestehende Implementierung funktionierte innerhalb des übergeordneten Frameworks, doch ihre Struktur machte künftige Wartung und Erweiterung unnötig schwierig.

Unsere Lösung

Wir haben den bestehenden Kennzeichenerkennungs-Workflow refaktoriert und in das modulare Plugin-basierte Framework des Kunden integriert.

Im Rahmen dieser Arbeit wurde der OCR-bezogene Code bereinigt und neu strukturiert. Veraltete Entwicklungsartefakte und nicht verwendete Code-Pfade wurden entfernt, Verantwortlichkeiten klarer getrennt und die Implementierung verständlicher sowie erweiterbarer gestaltet. Automatisierte Tests wurden hinzugefügt, um das Verhalten der Pipeline transparenter zu machen und das Risiko von Regressionen bei der zukünftigen Entwicklung zu reduzieren.

Geschäftliche Auswirkungen

Der Kunde verfügt nun über eine sauberere und besser wartbare Pipeline zur Kennzeichenerkennung innerhalb seines bestehenden KI-Frameworks. Die modulare Struktur erleichtert es internen Teams, das System zu verstehen, einzelne Komponenten anzupassen und auf dem bestehenden Workflow aufzubauen. Durch die Entfernung veralteter Code-Pfade und die Verbesserung der Testabdeckung wurde im Rahmen des Projekts zudem eine stabilere technische Grundlage für die künftige Entwicklung des Parkhaus-Anwendungsfalls geschaffen.