本作品为边缘-云端协同车牌识别原型系统，面向智慧停车、门禁、交通监测等场景，实现从视频采集、本地识别到云端汇总的完整链路。

功能概述： 边缘端在树莓派上运行，使用摄像头实时采集画面，经 YOLOv8n 检测车牌区域、LPRNet 进行端到端字符识别（支持 31 类中文车牌及新能源绿牌 8 位），识别结果通过 MQTT 上报云端。云端采用 Docker 部署，包含 Mosquitto、Flask 与 SQLite，提供 Web 看板：今日识别量、省份分布、置信度分布等统计图表（ECharts），以及边缘实时画面与识别记录列表。支持断网时边缘端本地缓存、恢复联网后自动补发，保证数据不丢失。

技术实现： 检测与识别模型均导出为 ONNX，在 ARM64 上使用 ONNX Runtime 推理；边缘端集成 CLAHE 与仿射变换等自适应预处理，提升光照与倾斜场景下的鲁棒性。云端使用 Bootstrap 5 与 ECharts 5 实现响应式看板与图表展示。

本人角色： 独立完成需求分析、系统设计、模型选型与训练（YOLOv8、LPRNet）、边缘端与云端代码开发、Docker 与 systemd 部署脚本、以及配套的需求/设计/测试/部署文档与毕业设计论文撰写。具备从数据标注、模型训练、边缘部署到云端后端的全栈开发与文档输出能力。

关键词（便于需求方搜索）： 车牌识别、LPR、YOLOv8、LPRNet、边缘计算、树莓派、ONNX、MQTT、Docker、Flask、智慧停车、计算机视觉、目标检测、端到端识别。