@blokcert/node-red-contrib-plate-crop 2.2.0
Node-RED node：輸入車牌圖（Buffer/base64），輸出裁切後車牌（YOLO ONNX，自帶 onnxruntime 與模型）
@blokcert/node-red-contrib-plate-crop
Node-RED 節點：輸入車牌圖片（Buffer 或 base64），偵測並裁切車牌，輸出裁切後的車牌圖。
底層呼叫內附的 yolo-plate binary（Go + YOLO ONNX，binary 自帶 onnxruntime，目標機免安裝）。
安裝
Node-RED 編輯器 → 右上選單 → 節點管理（Manage palette） → 安裝 → 搜尋
@blokcert/node-red-contrib-plate-crop；或用指令：
cd ~/.node-red
npm install @blokcert/node-red-contrib-plate-crop
安裝完成後重啟 Node-RED，編輯器的 function 類別下會出現「車牌裁切」節點。
已內附兩個車牌偵測模型，節點可切換，無需另外準備：
- 精準（fp32，
260MB）：框最貼，推論約 1 秒。因 npm 單套件大小限制， 以 4 個資料套件（@blokcert/plate-crop-fp32-p0p3）分塊發佈， 安裝時自動拼裝成models/plate-fp32.onnx（含 sha256 校驗；若安裝時被跳過，首次使用會自動補拼）。- 快速（
models/plate-fast.onnx，YOLOv8n，~12MB）：推論約 0.15 秒，框略鬆。
使用
- 拉「車牌裁切」節點到流程。
- 雙擊設定：選模型（精準／快速／自訂路徑），並可指定輸入／輸出屬性與輸出格式。
- 上游把圖片放到輸入屬性（預設
msg.payload）——Buffer（原始 PNG/JPEG 位元組） 或 base64 字串（可含data:image/...;base64,前綴）皆可。 - 結果寫入輸出屬性（預設
msg.payload）：- 裁切車牌 PNG，依輸出格式為 Buffer（預設）或 base64 字串
- 勾「全部車牌」：陣列
- 未偵測到車牌：輸出原本圖片（節點狀態顯示「無車牌」）
設定項
| 項目 | 說明 |
|---|---|
| 模型 | 內附「精準」／「快速」，或選「自訂路徑」填自己的 .onnx |
| 輸入屬性 | 讀圖片（Buffer 或 base64）的 msg 屬性，預設 payload，支援巢狀如 payload.image |
| 輸出屬性 | 寫結果的 msg 屬性，預設 payload，支援巢狀如 result.plate |
| 輸出格式 | Buffer（預設）或 base64 字串 |
| 信心門檻 | 對應 -conf，預設 0.25 |
| 外擴像素 | 對應 -pad，裁切外擴，預設 0 |
| 解析度 | 對應 -imgsz，留空＝模型預設(通常640)；填 960/1280 提升偵測信心（較慢） |
| 遮罩屬性 | 讀遮罩多邊形的 msg 屬性，預設 cropPath；msg 沒有該屬性時不遮罩 |
| 銳利化 | unsharp mask 的 sigma（建議 1-10），留空關閉 |
| 自動對比 | 勾選啟用 1%~99% 亮度百分位拉伸 |
| 全部車牌 | 對應 -all，勾選輸出所有車牌 |
| binary 路徑 | 留空＝自動依平台選內附 binary |
前處理（遮罩／銳利化／自動對比）
偵測前依序套用：遮罩 → 銳利化 → 自動對比，裁切也從處理後的圖取出， 可取代上游 sharp/canvas 的 ROI 前處理 function 節點。
遮罩多邊形放在 msg.cropPath（屬性名可改），格式 [{"x":..,"y":..},...]
（陣列或 JSON 字串皆可），多邊形外的區域塗黑（等效 sharp 的 dest-in 合成）：
// 上游 function 節點（每台相機不同 ROI）
msg.cropPath = global.get("cameras.cp" + msg.snap.cameraId + ".cropPath");
return msg;
v2.2.0：新增前處理（遮罩／銳利化／自動對比）；無車牌時輸出原本圖片（原為
null）。 v2.1.0：內附「精準」模型由 int8 換回 fp32（快 ~2.3 倍、框相同），以分塊套件自動拼裝。 v2.0.0 重大變更：輸出預設由 base64 字串改為 Buffer；要維持舊行為請把「輸出格式」設為 base64。 支援模型格式新增 YOLO26/YOLOv10 端到端輸出（[1,300,6]）。
支援平台
內附 binary：linux-x64（一般 x86 伺服器/PC，Node-RED 部署用）、darwin-arm64（mac 本機開發/測試）。
兩者皆自帶 onnxruntime 1.26，目標機免安裝。
其他平台請自行編譯 yolo-plate（見上層專案），並在節點設定「binary 路徑」指定。
測試
npm test # 需要上層 plate.onnx 與一張範例圖，可用環境變數覆寫：
PLATE_MODEL=/path/plate.onnx PLATE_IMG=/path/img.jpg npm test
