雨夜看不清泊位线？Diffusion模型去噪让路边停车收费系统“视力”提升76%
在城市交通治理的细分场景里，路边停车收费一直是个让人又爱又恨的环节。爱的是它确实盘活了有限的道路资源，恨的是——一到坏天气，尤其是雨夜，系统经常“瞎”。
我在这个智慧交通行业做了快十年，从最早的地磁感应，到后来的视频桩、高位相机，技术路线换了好几轮。但有一个痛点始终没被真正解决：恶劣天气下图像质量断崖式下跌。特别是南方的梅雨季，晚上又下雨又起雾，摄像头拍回来的画面简直像蒙了一层毛玻璃。车牌识别率掉到百分之六十以下，收费员只能手动补录，误判、漏判、投诉全来了。
所以上个月，当我们团队拿到一组实测数据——基于Diffusion模型去噪的马路边停车收费智能系统，在雨夜场景下的图像清晰度提升了76%——我的第一反应不是惊喜，而是：终于有人把这件事做对了。
先说清楚，为什么是Diffusion（扩散模型）？
传统去噪一般用CNN或者Transformer做端到端映射，思路是“脏图进、干净图出”。但雨夜的噪声不是简单的高斯分布，它是雨纹、车灯眩光、路面反光、雾气散射混在一起的物理耦合。老方法容易把车牌边缘也当噪声抹掉。而Diffusion的核心是模拟图像从清晰到模糊的退化过程，再逆向一步步“去随机性”。它不像滤镜，更像是一个懂成像原理的修图师，知道雨滴是怎么糊住镜头的，也知道哪条线是泊位漆画而不是水痕。
我们这次落地的系统，在边缘端部署了轻量化后的去噪扩散网络。前端相机抓拍后，先走一轮“雨夜专用”去噪，再进识别模型。实测是在杭州滨江区和深圳福田区两个老牌试点，连续三周阴雨天气跑下来的：原始画面平均梯度（衡量清晰度的常用指标）提升76%，车牌识别准确率从雨夜的61.3%拉到92.8%，误触发率降了将近一半。
有个细节很有意思。之前系统最怕那种“湿沥青 黄色禁停线”的组合，反光一厉害，相机直接过曝。新版模型因为训练时塞了大量真实雨夜泊位数据，居然学会了区分“水面镜面反射”和“漆面漫反射”。用我们算法同学的话说，它现在知道马路上的黄线是不会随雨势晃动的。
当然，也得泼盆冷水。Diffusion推断比传统方法吃算力，我们靠模型蒸馏和步数裁剪才压到边缘盒子能跑。另外，极端暴雨加冰雹那种情况，再强的去噪也救不了物理遮挡，该切地磁辅助还得切。
但不管怎么说，76%这个数字背后，是收费员少跑的冤枉路，是车主少收的错账短信，也是城市停车数据里终于靠谱的那一部分。技术不需要神话，能解决雨夜里看不清的一条线，就算踏实进步。
如果你也在做智慧停车，或者正被恶劣天气识别折磨，建议真去试一下扩散模型这条路线。不是追热点，是它确实把那个老问题，答对了。
微信号：18581869297