Modulare Kennzeichenerkennungs-Pipeline für Parkeinrichtungen
Die Refaktorierung einer kamerabasierten Kennzeichenerkennungs-Pipeline in eine modulare, testbare Architektur für den schrankengesteuerten Parkzugang.
- KUNDE
Ein Unternehmen, das stark frequentierte Parkeinrichtungen betreibt
- BRANCHE
Mobilität / Facility Management
- LEISTUNGEN
AI / Computer Vision / OCR / Pipeline Refactoring
Überblick
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 dabei, den bestehenden Workflow in eine modularere Architektur umzustrukturieren und die Wartbarkeit der Kennzeichenerkennungs-Pipeline zu verbessern.
Herausforderung
Parkanlagen mit Schrankenzugang sind auf eine zuverlässige Erkennung von ein- und ausfahrenden Fahrzeugen angewiesen. In diesem Setup verarbeitete das System keine kontinuierlichen Videoströme. Stattdessen wurden Bilder von Fahrzeugen an der Schranke aufgenommen und verarbeitet, um Kennzeichen zu identifizieren.
Der Kunde verfügte bereits über ein bestehendes KI-Framework und Erkennungskomponenten, doch die Codebasis war im Laufe der Zeit komplex geworden. Unterschiedliche Entwicklungspfade, ungenutzte Komponenten und eng gekoppelte Logik machten das System schwerer verständlich, testbar und anpassbar. Dies war besonders relevant für den OCR-Teil des Workflows, bei dem der Kennzeichentext aus den aufgenommenen Bildern extrahiert wird. Die bestehende Implementierung funktionierte innerhalb des übergeordneten Frameworks, aber ihre Struktur erschwerte künftige Wartung und Erweiterung unnötig.
Unsere Lösung
Wir haben den bestehenden Kennzeichenerkennungs-Workflow refaktoriert und in das modulare Plugin-basierte Framework des Kunden integriert.
Info: Der Fokus lag nicht auf dem Training neuer Modelle, sondern auf der Verbesserung von Struktur, Lesbarkeit, Testbarkeit und Wartbarkeit der bestehenden OCR-Pipeline.
Im Rahmen dieser Arbeit wurde der OCR-bezogene Code bereinigt und reorganisiert. Veraltete Entwicklungsartefakte und ungenutzte Code-Pfade wurden entfernt, Verantwortlichkeiten klarer getrennt und die Implementierung leichter verständlich und erweiterbar gestaltet. Automatisierte Tests wurden hinzugefügt, um das Verhalten der Pipeline transparenter zu machen und das Risiko von Regressionen bei der künftigen Entwicklung zu reduzieren.
Geschäftlicher Nutzen
Der Kunde verfügt nun über eine sauberere und besser wartbare Kennzeichenerkennungs-Pipeline 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 Weiterentwicklung des Parkhaus-Anwendungsfalls geschaffen.
Haben Sie ein Problem, das wir lösen können?
Starten Sie mit einer unverbindlichen Projektanfrage und unser Team berät Sie umfassend zu Ihrem Projekt.