本项目是为合作企业上海影魂智能科技有限责任公司提供的车辆标号识别以及车辆信息提取方案的研究课题，聚焦港口物流场景下的视觉边缘计算技术，开展车辆标号识别与车辆信息提取研究。项目探索基于深度学习与NPU优化的图像分割、目标检测和OCR算法，结合联邦学习与边缘计算，实现多任务视觉识别与调度优化。旨在开发适配国产NPU的高效视觉算法，提升港口运营效率，兼顾隐私保护与实时性能，助力企业构建智能港口物流系统。

本项目旨在面向港口物流复杂场景，研究并实现港口场景下车辆的高精度目标检测与文字识别技术。通过应用深度学习与迁移学习方法，解决动态背景、样本不足等挑战，提升检测鲁棒性与分割精度。结合OCR技术，开发可在港口场景中精准提取车牌与标号的识别算法，并优化至RK3588等NPU设备上，满足边缘计算下的实时性与低功耗需求。同时，构建联邦学习与任务调度联合优化框架，实现分布式环境下的多任务协同处理与隐私保护。最终完成从传统计算平台向NPU的算法迁移与性能优化，推动国产NPU在视觉计算中的落地应用，提升港口智能化运营水平。

首先，开发出适用于港口高动态环境的车辆位置目标检测算法与车牌分割模型，提升识别精度与鲁棒性；其次，基于OCR识别技术，构建车牌标号的识别模型；再次，构建边缘计算视觉识别框架，引入联邦学习与强化学习策略，实现多设备间任务协同与隐私保护；最后，完成视觉模型向NPU的迁移与重构优化，包括算子级加速、内存优化及推理引擎开发，显著提升港口场景下的视觉计算性能，为企业提供一体化NPU视觉部署解决方案。