安徽滁州一位博主用300多元成本“手搓”了一台带AI车牌识别功能的行车记录仪，视频火爆网络，让普通人看到了AI硬件DIY的门槛并没有想象中那么高。
“手搓”一台具备AI能力的行车记录仪，并不是天方夜谭，它本质上是将成熟的硬件模块与开源算法进行系统集成。从技术栈来看，主要涉及以下几个核心领域：
一、硬件选型与电路设计
主控与摄像头：核心是一块兼具计算能力的开发板（如树莓派或性能更强的AI边缘计算板），搭配一颗支持高清视频流的摄像头模组。开发板负责运行AI模型和录制视频，摄像头负责采集画面。
定位与通信模块：为实现“实时定位”功能，需要集成GPS/北斗双模定位模块，读取车辆的速度和位置数据。部分更复杂的项目还会加入4G/WiFi通信模块，用于远程实时查看视频或数据上传。
散热与供电：由于AI运算会带来芯片发热，博主特意为组装好的记录仪加装了散热小风扇以维持稳定性。供电方面需设计降压模块，从车辆点烟器或保险盒取电，确保驻车后也能通过“停车监控”模式持续供电。
二、AI算法与应用集成
车牌识别：这是该项目最亮眼的功能，通常使用基于深度学习的目标检测算法。开发者需在开发板上部署开源模型（如YOLO系列），并精选大量车牌照片进行模型训练，使其能实时、准确地识别并读出车牌号码。
智能驾驶辅助：AI模型不仅可以识别车牌，通过算法训练还能实现“高级驾驶辅助系统”功能，例如实时监测驾驶员闭眼、打哈欠等疲劳驾驶行为，或将前车碰撞预警嵌入到行车记录仪中。
事件触发与存储：利用重力感应算法，当车辆发生碰撞或急刹车时，AI能自动判断并将该段视频进行“紧急锁定”，确保关键证据不会被后续录制循环覆盖掉。
三、软件开发与系统集成
嵌入式Linux操作系统：为了承载稳定的AI模型和视频编解码任务，开发板通常运行精简的Linux系统。开发者需要掌握必要的命令行操作、编写脚本以实现自动开机录像、定时清理存储卡等自动化任务。
视频存储与循环管理：由于行车记录仪需要7x24小时不间断工作，系统需要自行设计高效的视频存储逻辑，包括不同分辨率的录制等级、TF存储卡的读写优化，以及最关键的数据循环覆盖机制，确保存储空间永远够用。
调试与实车部署：将摄像头、GPS模块、屏幕等所有硬件物理固定在车辆前挡风玻璃上，并通过各类实用App或Web端工具查看实时画面并调试AI算法，这是整个DIY流程中最后的“搓”合环节。