泰国车牌 OCR

0.75 IC每次请求

v3.0.0-20260828 活跃 自 2021 年 9 月起 最近更新 2026年8月28日 11,000 张/小时 品牌识别准确率 99.4% 白皮书 (PDF) POST /v3/store/smart-city/license-plate-ocr

泰国车牌 OCR API（LPR）从照片中读取泰国车牌，返回车牌号码、注册省份，以及车辆的品牌、型号、车身类型、颜色与朝向。版本 3.0 以一套面向当前泰国汽车市场构建的全新引擎替换了车辆品牌/型号识别引擎：在覆盖当今车流的 853 张图像基准测试中，其品牌识别正确率为 99.4%（上一代引擎：38.5%），品牌加型号完全正确率为 99.18%，覆盖 17 个品牌下的 73 款车型，包括 2020–2026 年上市的车型以及比亚迪（BYD）、名爵（MG）、长城（GWM）、哪吒（Neta）等中国电动车品牌。版本 3.0 还新增了燃料类型/电动车识别、置信度分数以及邻国车牌支持。参见准确率。

版本 3.0 上线安排——2026年9月11日之前，现有集成不会发生任何变化

版本 3.0 目前不会强制切换到任何现有集成。下方的主端点将继续由久经验证的版本 2.0 引擎提供服务。版本 3.0 现已通过独立的预览端点（…/license-plate-ocr-v3）以相同价格开放，您可以先在自己的真实流量上对其进行评估。2026年9月11日起，主端点将自动切换至版本 3.0 引擎。API 契约完全向后兼容——请求格式不变，所有既有响应字段的名称与格式保持完全一致，全部新增内容均以增量字段的形式提供——因此您在任何时点都无需修改任何代码。切换后，预览端点将作为别名继续保留。

在线演示

上传一张车辆照片，或使用下方的示例图片。通过端点选项卡，可在同一张图像上对比当前引擎（v2.0）与新引擎（v3.0 预览）。

试用 AI 演示

登录或创建免费账户来使用此 AI 服务演示并探索我们强大的 API。

注册即可获得 100 积分 (IC) 免费赠送！

优惠截止至 2025 年 12 月 31 日

免费创建账户登录

Example Images (Click to try)

Try Demo

Try Demo

Try Demo

Try Demo

Try Demo

Try Demo

API Key

Log in to use your API keys or Create an account

Choose Endpoint URL

Endpoint URL

cURL Command

Upload Image

快速入门

您需要先在 API 密钥管理 页面获取 API 密钥。将图像以 multipart/form-data 形式发送：

curl -X POST https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@vehicle.jpg"

{
    "conf": 93.39,
    "country": "th",
    "lp_number": "ขก5337",
    "province": "th-83:Phuket (ภูเก็ต)",
    "vehicle_body_type": "pickup",
    "vehicle_brand": "isuzu",
    "vehicle_color": "red",
    "vehicle_model": "isuzu_d-max",
    "vehicle_orientation": "315",
    "vehicle_year": "2020-present",
    "is_vehicle": "yes",
    "is_missing_plate": "no",
    "message": "success",
    "status": 200
}

对版本 3.0 预览端点（…/license-plate-ocr-v3）发送同样的请求，会原样返回上述全部字段，并额外返回版本 3.0 的增量字段——燃料类型、品牌/型号置信度、前 5 候选、车标品牌验证与国家支持级别。完整的响应结构请参见技术参考。

端点与定价

端点	引擎	价格
POST /v3/store/smart-city/license-plate-ocr	v2.0（2026年9月11日切换至 v3.0）	每次请求 0.75 IC
POST /v3/store/smart-city/license-plate-ocr/base64	v2.0（2026年9月11日切换至 v3.0）	每次请求 0.75 IC
POST /v3/store/smart-city/license-plate-ocr-v3	v3.0（预览，现已可用）	每次请求 0.75 IC
POST /v3/store/smart-city/license-plate-ocr-v3/base64	v3.0（预览，现已可用）	每次请求 0.75 IC

两个引擎按相同价格计费。旧版路径 /iapp_license_plate_recognition_v1_file、/iapp_license_plate_recognition_v1_base64、/license-plate-recognition/file 与 /license-plate-recognition/base64 仍以相同价格继续支持，并跟随主端点切换。本地化部署请参见数据安全。

性能

以下数据于 2026年8月28日 在生产服务上实测。

指标	版本 2.0（主端点）	版本 3.0（预览端点）
处理时间中位数	每张 0.2 s	每张 0.5 s
持续吞吐量	—	每秒 3.1 张（每小时 11,000 张），请求并发数为 4
支持的输入格式	JPEG、JPG、PNG（最大 2 MB）	JPEG、JPG、PNG（最大 2 MB）

准确率

版本 3.0 基准测试：853 张真实的留出测试图像，覆盖当今泰国车流中的全部 73 款车型——从未用于训练，两代引擎接收完全相同的输入。完整的方法论与逐车型结果请参见基准测试白皮书 (PDF)。

指标	上一代引擎（v2.0，2023 年车型目录）	版本 3.0
车辆品牌识别正确	38.5%	99.4%
品牌——仅统计 v2.0 目录内的车型	41.8%	99.3%
品牌加型号完全正确（top-1）	10.4%*	99.18%
品牌加型号进入前 5 候选	—	100.0%
覆盖率（返回识别结果）	~50%	100%

* **如何公允地解读版本 2.0 的数字：**本基准测试反映的是当今的车流。853 张图像中有 310 张（73 款车型中的 27 款）是版本 2.0 车型目录建成之后才上市的车辆——2020–2026 年发布的车型以及中国电动车品牌——上一代引擎在设计上就无法识别它们。版本 2.0 是为其所处时代的市场构建的，而道路上的车已经变了。版本 3.0 的提升同时来自更强的分类器与为当前市场重建的识别目录：即使仅统计上一代目录确实包含的车型，品牌准确率也从 41.8% 提升至 99.3%。

车牌号码、省份、颜色与朝向的读取能力与版本 2.0 保持一致。版本 3.0 的品牌/型号引擎具有确定性——同一辆车在每次扫描中都会得到相同的品牌与型号结果，包括停车道闸与村口摄像头常见的近距离车头特写画面。

数据安全与合规

公有云 API 符合 GDPR 与 PDPA 要求：上传的图像仅在内存中处理，响应返回后不予保留。本服务完全运行在具备本地化部署能力的基础设施上——任何图像都不会发送至任何外部服务——并提供完全自包含的本地化部署方案，照片不会离开您的基础设施。本地化部署授权请联系我们。

技术参考

端点

方法	URL	请求体
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr	multipart/form-data，字段 file
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr/base64	JSON，{"image": "<base64>"}
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr-v3	multipart/form-data，字段 file（v3.0 预览）
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr-v3/base64	JSON，{"image": "<base64>"}（v3.0 预览）

所有端点均需携带 apikey 请求头。

响应字段

截至 vehicle_year 的所有字段由两个引擎版本共同返回，名称与格式完全一致。其后的字段为版本 3.0 新增（增量字段）——目前出现在预览端点上，2026年9月11日起也将出现在主端点上。不使用这些字段的客户端可直接忽略它们。

字段	描述
conf	车牌识别的置信度分数（百分比）。
country	车牌所属国家（th、my、mm、la）。
infer_time(s)	处理时间（秒）。
is_missing_plate	车辆是否没有可见车牌："yes" 或 "no"。
is_vehicle	图像中是否存在车辆："yes" 或 "no"。
lp_number	车牌号码。
message	"success" 或错误消息。
province	注册省份，例如 "th-10:Bangkok (กรุงเทพมหานคร)"。
status	结果的 HTTP 状态码。
vehicle_body_type	车身类型，例如 sedan、pickup、suv。
vehicle_brand	车辆品牌，小写 slug 形式，例如 isuzu。
vehicle_color	车辆颜色。
vehicle_model	车辆型号，小写 slug 形式，例如 isuzu_d-max。
vehicle_orientation	车辆在图像中的朝向（度）。
vehicle_year	所识别车型的年份范围。
vehicle_make_model_slug	*（v3.0 新增）*v3.0 分类器输出的品牌/型号组合 slug。
make_model_conf	*（v3.0 新增）*品牌/型号识别的置信度分数（0–1）。
vehicle_make_model_topk	*（v3.0 新增）*前 5 个品牌/型号候选及其概率。
vehicle_logo_brand	*（v3.0 新增）*根据车辆车标/进气格栅独立识别出的品牌。
logo_brand_conf	*（v3.0 新增）*车标品牌识别的置信度分数（0–1）。
vehicle_fuel_type	*（v3.0 新增）*根据识别出的品牌/型号推断的动力类型：EV、Hybrid、Plug-in Hybrid、Petrol、Diesel；当该车型有多种动力版本在售时为 multiple。绝不根据图像像素猜测。
vehicle_fuel_options	*（v3.0 新增）*该车型在泰国在售的全部动力类型。
country_support_level	*（v3.0 新增）*车牌所属国家的支持级别：production、beta 或 detection_only。

示例响应（版本 3.0）

{
    "conf": 93.39286804,
    "country": "th",
    "infer_time(s)": 0.502,
    "is_missing_plate": "no",
    "is_vehicle": "yes",
    "lp_number": "ขก5337",
    "message": "success",
    "province": "th-83:Phuket (ภูเก็ต)",
    "status": 200,
    "vehicle_body_type": "pickup",
    "vehicle_brand": "isuzu",
    "vehicle_color": "red",
    "vehicle_model": "isuzu_d-max",
    "vehicle_orientation": "315",
    "vehicle_year": "2020-present",
    "vehicle_make_model_slug": "isuzu_d_max",
    "make_model_conf": 0.8288,
    "vehicle_make_model_topk": [
        { "slug": "isuzu_d_max", "prob": 0.8288 },
        { "slug": "isuzu_mu_x", "prob": 0.0337 }
    ],
    "vehicle_logo_brand": "Isuzu",
    "logo_brand_conf": 0.8913,
    "vehicle_fuel_type": "Diesel",
    "vehicle_fuel_options": ["Diesel"],
    "country_support_level": "production"
}

代码示例

cURL

curl -X POST https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@/path/to/vehicle.jpg"

Python

import requests

url = "https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr"
files = {"file": open("/path/to/vehicle.jpg", "rb")}
headers = {"apikey": "YOUR_API_KEY"}

response = requests.post(url, headers=headers, files=files)
print(response.json())

JavaScript

const axios = require("axios");
const FormData = require("form-data");
const fs = require("fs");

const data = new FormData();
data.append("file", fs.createReadStream("/path/to/vehicle.jpg"));

axios.post("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr", data, {
    headers: { apikey: "YOUR_API_KEY", ...data.getHeaders() },
})
    .then((response) => console.log(response.data))
    .catch((error) => console.log(error));

PHP

<?php
$curl = curl_init();

curl_setopt_array($curl, array(
    CURLOPT_URL => 'https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr',
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_POSTFIELDS => array(
        'file' => new CURLFILE('/path/to/vehicle.jpg')
    ),
    CURLOPT_HTTPHEADER => array(
        'apikey: YOUR_API_KEY'
    ),
));

$response = curl_exec($curl);
curl_close($curl);
echo $response;

Swift

import Foundation

let url = URL(string: "https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")!
var request = URLRequest(url: url)
request.httpMethod = "POST"
request.addValue("YOUR_API_KEY", forHTTPHeaderField: "apikey")

let boundary = "Boundary-\(UUID().uuidString)"
request.setValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")

var body = Data()
body.append("--\(boundary)\r\n".data(using: .utf8)!)
body.append("Content-Disposition: form-data; name=\"file\"; filename=\"vehicle.jpg\"\r\n".data(using: .utf8)!)
body.append("Content-Type: image/jpeg\r\n\r\n".data(using: .utf8)!)
if let fileData = try? Data(contentsOf: URL(fileURLWithPath: "/path/to/vehicle.jpg")) {
    body.append(fileData)
}
body.append("\r\n--\(boundary)--\r\n".data(using: .utf8)!)
request.httpBody = body

URLSession.shared.dataTask(with: request) { data, response, error in
    if let data = data {
        print(String(data: data, encoding: .utf8)!)
    }
}.resume()

Kotlin

import okhttp3.*
import okhttp3.MediaType.Companion.toMediaTypeOrNull
import okhttp3.RequestBody.Companion.asRequestBody
import java.io.File

val client = OkHttpClient()
val file = File("/path/to/vehicle.jpg")
val requestBody = MultipartBody.Builder()
    .setType(MultipartBody.FORM)
    .addFormDataPart("file", file.name, file.asRequestBody("image/jpeg".toMediaTypeOrNull()))
    .build()

val request = Request.Builder()
    .url("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")
    .addHeader("apikey", "YOUR_API_KEY")
    .post(requestBody)
    .build()

client.newCall(request).execute().use { response ->
    println(response.body?.string())
}

Java

import okhttp3.*;
import java.io.File;

OkHttpClient client = new OkHttpClient();
File file = new File("/path/to/vehicle.jpg");

RequestBody requestBody = new MultipartBody.Builder()
    .setType(MultipartBody.FORM)
    .addFormDataPart("file", file.getName(),
        RequestBody.create(MediaType.parse("image/jpeg"), file))
    .build();

Request request = new Request.Builder()
    .url("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")
    .addHeader("apikey", "YOUR_API_KEY")
    .post(requestBody)
    .build();

try (Response response = client.newCall(request).execute()) {
    System.out.println(response.body().string());
}

Dart

import 'package:http/http.dart' as http;

var request = http.MultipartRequest(
    'POST',
    Uri.parse('https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr')
);
request.files.add(await http.MultipartFile.fromPath('file', '/path/to/vehicle.jpg'));
request.headers.addAll({'apikey': 'YOUR_API_KEY'});

var response = await request.send();
print(await response.stream.bytesToString());

如需调用版本 3.0 预览，将上述任一示例中的 /license-plate-ocr 替换为 /license-plate-ocr-v3 即可——请求格式完全相同。

限制

• 支持的文件格式：JPEG、JPG、PNG。最大文件大小：2 MB。
• 燃料类型通过一张持续维护的动力类型对照表，根据识别出的品牌与型号推断，绝不来自图像本身。有多种动力版本在售的车型会返回 multiple 并附完整选项列表，因为动力类型无法仅凭一张照片确定。
• 邻国车牌：马来西亚为正式支持（production），缅甸为测试版（beta），老挝仅支持检测（country_support_level）。

更新日志

版本 3.0.0 - 2026-08-28

全新车辆品牌/型号引擎——无需任何 API 改动

• 车辆识别准确率大幅提升——在覆盖当今泰国车流的 853 张图像基准测试中，品牌准确率达 99.4%（此前为 38.5%），品牌加型号达 99.18%（此前为 10.4%）。差距的很大一部分来自基准测试包含了 2020–2026 年车型与电动车品牌，而上一代引擎（v2.0，2023 年车型目录）的目录早于它们问世（参见准确率）。
• 支持最新车型——识别目录为当前泰国汽车市场重建：17 个品牌下的 73 款车型，包括 2020–2026 年车型与中国电动车品牌（比亚迪、名爵、长城、哪吒等）。
• 新增：燃料类型/电动车识别——vehicle_fuel_type 与 vehicle_fuel_options，根据识别出的品牌/型号推断。
• 新增：置信度分数——make_model_conf、vehicle_make_model_topk，以及独立的车标品牌验证（vehicle_logo_brand、logo_brand_conf）。
• 新增：邻国车牌——马来西亚（production）、缅甸（beta）、老挝（仅检测），通过 country_support_level 报告。
• 道闸摄像头场景稳健——在停车场与村口道闸摄像头常见的近距离车头特写构图下，品牌/型号结果保持正确且具有确定性。
• 100% 向后兼容——端点不变、请求格式不变，所有既有响应字段的名称与格式保持完全一致；全部新增字段均为增量字段。
• 分阶段上线——自 2026年8月28日 起，v3.0 通过预览端点（…/license-plate-ocr-v3）提供服务；主端点将于 2026年9月11日 从 v2.0 切换至 v3.0。两者均按每次请求 0.75 IC 的相同价格计费。

版本 2.0 - 2023-02-16

新增车身类型、车辆年份范围、车辆朝向、is_vehicle 与 is_missing_plate 字段。

版本 1.2 - 2023-01-16

提升了车牌号码、省份、车辆颜色、品牌与型号读取的总体准确率（在 100 张图像的评估集上总体精确匹配率为 92.28%）。

版本 1.1 - 2021-12-23

提升了车牌号码、省份、车辆类型、颜色、品牌与型号读取的准确率（在 118 张图像的评估集上总体精确匹配率为 86.49%）。

版本 1.0 - 2021-09-12

首个发布版本：泰国车牌读取，包含车辆类型、品牌、颜色与注册省份。