Sloth BPP 215 v3.1 AI CCTV & LPR (Latest)

⚡ 2.1 แถบเหตุการณ์ด้านข้าง (Live Events Rail)

แถบเหตุการณ์ด้านขวาของหน้าจอทำหน้าที่แสดงบัตรเหตุการณ์ (Event Card) แบบสดเรียลไทม์ทันทีที่กล้องตรวจพบบุคคล รถยนต์ หรือป้ายทะเบียน โดยไม่ต้องกดรีเฟรชหน้าเว็บ

🛠️ ปุ่มและเครื่องมือบนแถบเหตุการณ์:

🗄️ 2.2 คลังวิดีโอเหตุการณ์ (Event Manager Archive)

เมื่อกดปุ่ม 🎬 คลังวิดีโอเหตุการณ์ บน Top Bar ระบบจะเปิดหน้าต่างค้นหาและเรียกดูประวัติเหตุการณ์ทั้งหมดที่บันทึกไว้ในฐานข้อมูล

🛠️ สารบบปุ่มควบคุมบนหน้าต่าง Event Manager:

🔬 2.3 หน้าต่างแสดงรายละเอียดเหตุการณ์ (Event Detail Modal)

เมื่อคลิกที่เหตุการณ์ใดๆ จะเปิดหน้าต่างรายละเอียดเชิงลึก (Event Detail: #emgrDetailOverlay) ซึ่งแบ่งออกเป็น 3 แท็บปฏิบัติการ:

📷 แท็บที่ 1: ภาพ Snapshot และการตรวจสอบป้ายทะเบียน (LPR)

🎥 แท็บที่ 2: วิดีโอช่วงเหตุการณ์ (Video Playback & Export)

🧭 แท็บที่ 3: รายละเอียดวัตถุที่ติดตาม (Object Tracking Vector & Lifecycle)

ระบบ AI จะบันทึกเวกเตอร์พิกัดการเคลื่อนที่ของวัตถุตลอดเวลาที่อยู่ในเฟรมกล้อง:

• เส้นทางเดิน (Vector Path): แสดงเส้นทางเดินของคนหรือทิศทางแล่นของรถเป็นเส้นกราฟิกสีเขียว (จุดเริ่ม) ➔ สีแดง (จุดที่พ้นเฟรม)
• สถิติการเคลื่อนที่: แสดงระยะเวลาที่ปรากฏในภาพ (Duration), ทิศทางการเคลื่อนที่ (Bearing), และความเร็วเฉลี่ยโดยประมาณ
• วงจรชีวิต (Object Lifecycle): แจกแจงสถานะของวัตถุตั้งแต่เริ่มตรวจพบ (Enter Area) ➔ ตรวจจับป้ายทะเบียนได้ (LPR Matched) ➔ วัตถุออกจากรัศมีกล้อง (Exit Area)

▶️ 2.4 เครื่องเล่นคลิปเหตุการณ์ (Clip Player Modal & Standalone)

เครื่องเล่นคลิปวิดีโอความเร็วสูง (#playerOverlay) และหน้าเล่นคลิปภายนอก (clip.html) ออกแบบมาให้โหลดวิดีโอได้ทันใจทั้งบนคอมพิวเตอร์และสมาร์ตโฟน

⏱️ 2.5 ระบบดูภาพย้อนหลังหลายกล้อง 24 ชั่วโมง (Multi-cam 24h Playback)

ระบบ Playback ช่วยให้เจ้าหน้าที่สามารถย้อนดูภาพเหตุการณ์ในอดีตได้พร้อมกันสูงสุด 4 กล้อง โดยซิงค์เวลาตรงกันทุกเสี้ยววินาที รองรับการสืบสวนคดีที่ต้องดูหลายมุมมองพร้อมกัน

🛠️ สารบบปุ่มควบคุมบนหน้าต่าง Playback:

👁️ 3.1 การเลือกประเภทวัตถุตรวจจับ AI (YOLO11 Object Selector)

ระบบ Sloth BPP 215 ขับเคลื่อนด้วยโมเดล YOLO11m ที่ได้รับการปรับแต่งพิเศษ (Fine-tuned) สำหรับภารกิจรักษาความปลอดภัยและการลาดตระเวนชายแดน รองรับการตรวจจับวัตถุหลากหลายคลาสพร้อมกัน

🛠️ สารบบปุ่มและตัวเลือกในตารางวัตถุ AI (Object Grid):

📐 3.2 การกำหนดพื้นที่ตรวจจับป้ายทะเบียน (LPR Zone ROI Editor)

การกำหนดพื้นที่ความสนใจ (Region of Interest: ROI Zone) ช่วยลดการใช้พลังงานประมวลผลของชิป AI และตัดสัญญาณรบกวนจากรถที่วิ่งอยู่นอกเขตตรวจค้น โดยระบบจะดึงภาพความละเอียดเต็มเฟรมมาอ่านป้ายเฉพาะเมื่อรถสัมผัสโซนนี้เท่านั้น

🧠 3.3 การสอนและตรวจสอบป้ายทะเบียนให้ AI (LPR Active Learning)

ระบบ Active Learning เป็นหัวใจสำคัญในการทำให้ AI ฉลาดขึ้นเรื่อยๆ ตามสภาพแวดล้อมจริง เมื่อระบบอ่านป้ายผิดพลาด เจ้าหน้าที่สามารถเข้าไปแก้ไขข้อมูลที่ถูกต้อง เพื่อนำไปฝึกฝน (Re-train) โมเดล AI ให้แม่นยำยิ่งขึ้น

🛠️ รายละเอียดเครื่องมือบนหน้าต่าง Active Learning Modal (#lprTrainOverlay):

⚙️ 3.4 การจัดการและฝึกโมเดลป้ายทะเบียน (LPR Model Training & Versioning)

ผู้ดูแลระบบสามารถตรวจสอบสถานะของชุดข้อมูลฝึกสอน สั่งเริ่มการฝึกอบรมโมเดล (Fine-tuning) และเรียกดูประวัติหรือคืนค่าโมเดลรุ่นก่อนหน้าได้ตลอดเวลา

🎯 4.1 ระบบจัดการทะเบียนเฝ้าระวัง (Watchlist Management & Analytics)

ระบบ Watchlist ทำหน้าที่ตรวจจับและแจ้งเตือนทันทีที่ยานพาหนะเป้าหมาย บุคคลมีหมายจับ หรือรถเครือข่ายยาเสพติดแล่นผ่านกล้องตัวใดตัวหนึ่งในเครือข่าย

🛠️ สารบบปุ่มและฟังก์ชันในหน้ารายการทะเบียนเฝ้าระวัง:

🚦 ตารางระดับความเสี่ยง 4 ระดับ (Risk Severity Levels):

📈 ระบบวิเคราะห์พฤติกรรมรถเป้าหมาย (Watchlist Behavioral Analytics #wlStatsOverlay):

เมื่อกดปุ่ม "📊 สถิติ" ระบบจะประมวลผลข้อมูลการวิ่งผ่านทั้งหมดและแสดงกราฟวิเคราะห์ 3 มิติ:

• 1. กราฟโดนัทกล้องที่พบบ่อย (Donut Chart #chartCamera): ระบุว่ารถคันนี้วิ่งผ่านจุดตรวจหรือกล้องตัวใดบ่อยที่สุด คิดเป็นสัดส่วนเปอร์เซ็นต์ ทำให้ทราบเส้นทางประจำของเป้าหมาย
• 2. กราฟแท่งช่วงเวลา 24 ชั่วโมง (Bar Chart #chartHour): แสดงการกระจายตัวของเวลาที่รถแล่นผ่าน (เช่น มักจะวิ่งช่วงเวลา 02:00 - 04:00 น.) ช่วยให้วางแผนดักซุ่มตรวจค้นได้อย่างแม่นยำ
• 3. กราฟแท่งวันในสัปดาห์ (Bar Chart #chartDay): วิเคราะห์ว่าเป้าหมายมักเคลื่อนไหวในวันใด (จันทร์ - อาทิตย์) เพื่อคาดการณ์รอบการขนส่งหรือการเดินทาง
• 4. ตารางประวัติการวิ่งผ่าน 500 ครั้งล่าสุด (#wlStatsHistoryBody): แสดงรายการเรียงตามเวลา พร้อมภาพ Snapshot ภาพแผ่นป้าย และกล้องที่บันทึกได้

📊 4.2 ระบบวิเคราะห์สถิติและแผนที่ความเสี่ยง (Analytics Dashboard & Heatmap)

กดปุ่ม 📊 วิเคราะห์สถิติ บน Top Bar เพื่อเปิดศูนย์วิเคราะห์ข้อมูลอัจฉริยะ Big Data แสดงภาพรวมความปลอดภัย แผนที่ความหนาแน่นของเหตุการณ์ และการพยากรณ์ความเสี่ยง

🗂️ 4.3 คลังบันทึกจับกุมและการจัดการถังข้อมูล (Arrest Dossier Vault & Data Bucket Management)

กดปุ่ม 📂 คลังบันทึกจับกุม บน Top Bar เพื่อเข้าสู่ "ถังข้อมูล (Data Bucket)" ซึ่งเป็นศูนย์รวมประวัติบุคคล พยานหลักฐาน พิกัดสถานที่ และเบาะแสการสืบสวนดิจิทัลทั้งหมดของหน่วยงาน

🛠️ สารบบข้อมูลในถังข้อมูลบุคคล (Dossier Detail Modal):

🕸️ 4.4 การบริหารจัดการผังข้อมูลเครือข่าย (i2 Link Analysis Graph Management)

ระบบจำลองความสามารถของซอฟต์แวร์ IBM i2 Analyst's Notebook ขึ้นมาทำงานบนเว็บเบราว์เซอร์ 100% โดยได้รับการปรับปรุงสถาปัตยกรรมใหม่หมดจด: แถบเครื่องมือ 2 ชั้น (2-Tier Modular Toolbar) ที่เป็นระเบียบ ไม่ตกบรรทัด, ระบบแคชประมวลผลเร็วขึ้น 35 เท่า, การแสดงโหนดมิเตอร์ไฟฟ้า PEA และโหนดเบอร์โทรครบทุกเบอร์

🛠️ สารบบแถบเครื่องมือผังแบบ 2 ชั้น (2-Tier Modular Toolbar Architecture):

ระบบแยกแถบควบคุมออกเป็น 2 ชั้นอย่างเป็นระเบียบ เพื่อป้องกันการตกบรรทัดและรองรับการแสดงผลทุกขนาดหน้าจอ:

ชั้นที่ 1: แถวบนสุด (Header Top Row — ควบคุมชุดข้อมูลและส่งออก):

ชั้นที่ 2: แถวล่าง (Toolbar Bottom Row — ตัวกรองและเครื่องมือจัดผัง):

⚡ โหนดรูปแบบใหม่: มิเตอร์ไฟฟ้า PEA และเบอร์โทรศัพท์ทุกค่าย:

🔗 4.5 การสร้างเส้นเชื่อมโยงและจุดหมุนในผัง i2 (Node Linking & Bend Points)

เจ้าหน้าที่สามารถลากเส้นโยงความสัมพันธ์ใหม่ด้วยตนเอง และสร้างจุดหมุนหักมุม 90 องศา (Bend Point) เพื่อจัดระเบียบเส้นทางในผังไม่ให้ทับซ้อนกัน

⚡ วิธีการลากเส้นเชื่อมโยงโหนด (Node Linking Workflow):

📐 จุดหมุนและเส้นหักมุม (Interactive Bend Points / 90° Manhattan Routing):

🗃️ 4.6 เครื่องมือกลุ่มและการนำทางพื้นที่ในผัง i2 (Multi-Selection & Spatial Zones)

เมื่อต้องจัดการกลุ่มโหนดขนาดใหญ่พร้อมกัน เช่น จัดระเบียบเบอร์โทรศัพท์ 20 เบอร์ให้อยู่เป็นแนวระนาบ หรือจัดกลุ่มบุคคลให้เป็นวงกลม ระบบมีแถบเครื่องมือลอย (Floating Action Bar) และระบบนำทางแบ่ง 2 โซนพื้นที่

🛠️ แถบเครื่องมือลอยเมื่อเลือกหลายโหนด (Multi-Selection Floating Action Bar #i2FloatingActionBar):

ปรากฏอัตโนมัติเมื่อกดเลือกโหนดตั้งแต่ 2 โหนดขึ้นไป (โดยการกด Shift ค้างไว้แล้วคลิกเลือก หรือเปิดโหมดลากคลุม Box Select บนจอสัมผัส):

🧭 แถบนำทาง 2 โซนพื้นที่ (Spatial 2-Zone Pills):

ผัง i2 ของระบบ Sloth BPP 215 ถูกจัดแบ่งพื้นที่ในแนวแกน Y เป็น 2 โซนขนาดใหญ่ เพื่อไม่ให้ข้อมูลปะปนกัน:

• ⬆️ ผังระบบเดิม (North Zone - #btnNavNorthZone): โฟกัสไปที่กลุ่มโหนดข้อมูลคดีและทะเบียนรถเดิมที่สร้างขึ้นจากระบบ BPP-VMS (พิกัด Y ด้านบน)
• ⬇️ ผัง i2 นำเข้า (South Zone - #btnNavSouthZone): เลื่อนกล้องลงไปยังพื้นที่ของผังขนาดใหญ่ที่สกัดมาจากโปรแกรม IBM i2 เช่น Master Chart 68 และโพยนอก (พิกัด Y ด้านล่าง ซึ่งเว้นระยะห่างไว้ 20,000 พิกเซลเพื่อความเป็นระเบียบ)
• 🌐 ผังรวมทั้งหมด (All Zones - #btnNavAllZones): ปรับระดับการซูมและตำแหน่งให้อยู่กึ่งกลาง เพื่อมองเห็นภาพรวมความเชื่อมโยงของทั้ง 2 โซนพร้อมกัน

📱 5.1 การผูกบัญชี Telegram ส่วนบุคคล (@Sloth_bpp215bot)

เจ้าหน้าที่ผู้ปฏิบัติงานทุกคนสามารถผูกบัญชีแอปพลิเคชัน Telegram ของตนเองเข้ากับระบบ Sloth BPP 215 เพื่อรับการแจ้งเตือนเหตุการณ์สำคัญ ภาพถ่ายรถต้องสงสัย และคลิปวิดีโอสั้นเข้ามือถือได้ตลอดเวลา

🛠️ ขั้นตอนการผูกบัญชีทีละสเต็ป (Step-by-Step):

🔔 5.2 การปรับแต่งการแจ้งเตือนส่วนบุคคลและกระจายสัญญาณ (Alert Matrix & Broadcast)

เพื่อป้องกันไม่ให้เจ้าหน้าที่ได้รับการแจ้งเตือนมากเกินไป (Notification Fatigue) ระบบจึงมีระบบ Personal Alert Matrix ให้ผู้ใช้เลือกรับแจ้งเตือนเฉพาะกล้องและเหตุการณ์ที่ตนเองรับผิดชอบ

🤖 5.3 ผู้ช่วยอัจฉริยะ Sloth AI & NAS Assistant

กดปุ่ม 🤖 Sloth AI Assistant บน Top Bar เพื่อเปิดหน้าต่างสนทนาสั่งการด้วยภาษาธรรมชาติ (Natural Language Processing) ผู้ช่วย AI สามารถสืบค้นข้อมูลคดี ทะเบียนรถ และเอกสารใน Storage ได้ทันที

💬 ตัวอย่างคำสั่งที่สามารถพิมพ์สั่งงาน AI ได้:

⚡ 5.4 ระบบอัจฉริยะรับข้อมูลการสืบสวนผ่าน Telegram & แชท (Smart Intelligence Ingestion)

ระบบ Sloth BPP 215 ได้รับการอัปเกรดความฉลาดของบอท Telegram (@Sloth_bpp215bot) และระบบแชท โดยนำสถาปัตยกรรม Smart Session Management และ Hybrid Intelligence Matching มาใช้งาน ทำให้เจ้าหน้าที่สามารถส่งข้อมูลการสืบสวนภาคสนามเข้าสู่ ถังข้อมูล (Dossier Vault) และ ผังข้อมูล (i2 Graph) ได้โดยตรงแบบอัตโนมัติ 100%

🛠️ ฟังก์ชันการรับข้อมูลอัจฉริยะ 5 ประการสำคัญ:

📦 5.5 ขั้นตอนการกดปุ่มประมวลผล, รายงานสรุปแยก 4 ปลายทาง และปุ่มทางลัดใน Telegram (Batch Processing & 4-Category Destination Report)

เพื่อตอบสนองต่อการปฏิบัติงานภาคสนามที่ต้องการความรวดเร็วและความชัดเจนสูงสุด ระบบ Sloth BPP 215 ได้รับการอัปเกรดระบบการตอบสนองของปุ่ม "เสร็จสิ้นการส่ง / ประมวลผล" บน Telegram (@Sloth_bpp215bot) ให้มี การตอบสนองทันที (Immediate UI Feedback) พร้อมรายงานสรุปแจกแจงปลายทางของข้อมูล 4 หมวดหมู่อย่างเป็นระเบียบ และปุ่มทางลัดกดเรียกดูการ์ดประวัติบุคคลในถังข้อมูลได้ทันทีผ่านหน้าต่างแชท

🛠️ 1. ขั้นตอนการทำงานของปุ่มคำสั่งและการเปลี่ยนสถานะ (Step-by-Step UI Flow):

📋 2. โครงสร้างรายงานสรุปปลายทางข้อมูล 4 หมวดหมู่ (4-Category Ingestion Architecture):

เมื่อ AI อ่านเอกสารและจัดเก็บข้อมูลเสร็จสิ้น บอทจะส่งข้อความรายงานสรุปแจกแจงว่าข้อมูลถูกนำไปทำอะไร และจัดเก็บไว้ที่ใดในระบบอย่างชัดเจน:

⚡ 3. ปุ่มทางลัดโต้ตอบใน Telegram (Interactive Shortcut Buttons):

ท้ายข้อความรายงานสรุป ระบบจะแนบปุ่ม Inline อำนวยความสะดวกให้เจ้าหน้าที่ตรวจสอบข้อมูลได้ทันทีผ่านมือถือ:

👥 6.1 ข้อมูลบัญชีและระดับสิทธิ์ (Profile & RBAC Roles)

คลิกปุ่ม 👤 ข้อมูลบัญชี บน Top Bar เพื่อเปิดหน้าต่างโปรไฟล์ส่วนตัว ตรวจสอบระดับสิทธิ์ และเปลี่ยนรหัสผ่าน

🔑 ขั้นตอนการเปลี่ยนรหัสผ่านตนเอง:

📋 6.2 บันทึกประวัติการใช้งาน (Audit Logs - Admin Only)

ระบบบันทึกทุกการกระทำสำคัญของผู้ใช้งานลงในฐานข้อมูลความปลอดภัยที่ไม่สามารถแก้ไขหรือลบได้ เพื่อความโปร่งใสและตรวจสอบได้ย้อนหลัง

📹 6.3 การจัดการและเพิ่มกล้อง NVR (Camera Provisioning)

ผู้ดูแลระบบสามารถเพิ่มกล้องวงจรปิด IP Camera เข้าสู่ระบบได้อย่างง่ายดายผ่านหน้าต่าง Settings ➔ แท็บ "กล้องในระบบ (NVR)"

🌐 6.4 โครงข่ายเชื่อมโยงหน่วยงาน (Federation Mesh & MikroTik WireGuard)

ระบบ Sloth BPP 215 รองรับสถาปัตยกรรม Federation Network Mesh ช่วยให้สามารถดึงสัญญาณภาพสดและประวัติการตรวจจับจากกล้องของกองร้อยข้างเคียง หรือฐานปฏิบัติการย่อย มาแสดงผลบนหน้าจอของกองบังคับการส่วนหน้าได้แบบไร้รอยต่อ

🚀 6.5 การติดตั้งเครื่องใหม่ และการอัปเดตระบบอัตโนมัติ (1-Click Setup & Update)

เพื่อความสะดวกสูงสุดของเจ้าหน้าที่เทคนิคและผู้ดูแลระบบ BPP-VMS ได้จัดเตรียมเครื่องมือช่วยติดตั้งและอัปเดตแบบ 1-Click Automation ไว้ที่โฟลเดอร์หลัก (D:\BPP-VMS\) ทำให้สามารถเริ่มระบบบนเครื่องใหม่หรืออัปเดตเวอร์ชันล่าสุดได้โดยไม่ต้องพิมพ์คำสั่งใน Terminal เองแม้แต่บรรทัดเดียว:

⌨️ 6.6 ตารางสรุปคีย์ลัดทั้งหมดในระบบ (Keyboard Shortcuts Cheat Sheet)

เพื่อความรวดเร็วสูงสุดในการปฏิบัติหน้าที่ควบคุมสถานการณ์ เจ้าหน้าที่สามารถใช้คีย์ลัดบนแป้นพิมพ์เพื่อสั่งการระบบได้ทันที:

🛰️ 7.1 ภาพรวมสถาปัตยกรรม Hybrid Intelligence & Edge AI Pipeline

ระบบ Sloth BPP 215 รองรับการประมวลผลวิดีโออัจฉริยะแบบ Hybrid Architecture โดยแบ่งการทำงานออกเป็น 3 รูปแบบตามศักยภาพของฮาร์ดแวร์หน้างาน เพื่อให้เซิร์ฟเวอร์หลักสามารถรองรับกล้องได้จำนวนมากที่สุดโดยไม่เกิดคอขวดที่ CPU/GPU:

🛠️ ตารางเปรียบเทียบรูปแบบกล้อง 3 กลุ่มในระบบ:

📹 7.2 การเชื่อมต่อกล้อง TP-Link VIGI (Standalone & Multi-Channel NVR)

กล้องวงจรปิด TP-Link VIGI ทั้งแบบตัวเดี่ยว (Standalone) และแบบเชื่อมต่อผ่านเครื่องบันทึก VIGI NVR ใช้พอร์ต RTSP มาตรฐานคือ 554 มีโครงสร้าง URL สตรีมดังนี้:

🛠️ ขั้นตอนการเพิ่มกล้อง VIGI เข้าสู่ระบบ BPP-VMS:

1. 1

   เปิดหน้าต่างจัดการกล้อง (Camera Management)

   เข้าสู่ระบบในฐานะ Admin คลิกปุ่ม ⚙️ ตั้งค่าระบบ บนแถบด้านบน ➔ เลือกแท็บ "กล้องในระบบ (NVR)" ➔ กดปุ่ม + เพิ่มกล้องใหม่

2. 2

   เลือกประเภทกล้องเป็น Preset "TP-Link VIGI (Smart AI)"

   ในช่อง "ประเภทกล้อง (Preset)" ให้คลิกเลือก "TP-Link VIGI (Smart AI)" ระบบจะนำค่าโครงสร้าง URL และปรับแต่งออปชันการบันทึกภาพให้เหมาะสมโดยอัตโนมัติ

3. 3

   กรอกชื่อกล้องและวาง RTSP URL

   ตั้งชื่อกล้องภาษาอังกฤษ (เช่น vigi_gate01) ชื่อแสดงผลภาษาไทย (เช่น VIGI ประตู 1) และวาง URL ที่ได้จากตารางด้านบนลงในช่อง "RTSP URL (Main Stream)"

4. 4

   ระบบปิด Server AI ให้อัตโนมัติ (Zero Server Load)

   ช่อง "เปิดระบบ AI ตรวจจับ (YOLO/LPR)" จะถูกปลดเครื่องหมายถูกออกโดยอัตโนมัติ เพื่อป้องกันไม่ให้เซิร์ฟเวอร์นำภาพไปประมวลผลซ้ำซ้อน ประหยัด CPU/GPU ได้ 100% แต่ยังคงบันทึกวิดีโอ 24 ชั่วโมง และดูภาพสดได้ครบถ้วน

5. 5

   บันทึกและเริ่มสตรีม

   กดปุ่ม ตกลง ระบบจะบันทึกคอนฟิกและเริ่มดึงภาพขึ้นสู่หน้า Live Dashboard ภายใน 15-20 วินาที

🚗 7.3 การเชื่อมต่อกล้องตรวจจับป้ายทะเบียน Dahua ITC (Edge LPR Webhook)

กล้อง Dahua ITC หรือกล้องอ่านป้ายทะเบียนอัจฉริยะที่มีโมเดล AI ในตัว สามารถอ่านตัวเลข ตัวอักษร หมวดจังหวัด และตัดภาพเฉพาะตัวรถ (Vehicle Snapshot) ส่งตรงเข้าสู่ BPP-VMS ผ่าน Edge LPR Webhook โดยเซิร์ฟเวอร์ไม่ต้องประมวลผลภาพใดๆ เพิ่มเติม:

🛠️ ขั้นตอนการตั้งค่าบนหน้า Web UI ของกล้อง Dahua ITC:

1. 1

   เข้าสู่หน้าเว็บของตัวกล้อง

   เปิดเบราว์เซอร์ พิมพ์ IP ของกล้อง Dahua ITC (เช่น 192.168.1.108) และเข้าสู่ระบบด้วยชื่อผู้ใช้และรหัสผ่านของผู้ดูแลกล้อง

2. 2

   เปิดใช้งานโมดูลอัจฉริยะ (Smart Plan)

   ไปที่เมนู Setting ➔ Event ➔ Smart Plan ตรวจสอบให้แน่ใจว่าได้คลิกเปิดใช้งานไอคอน ITC / ANPR (Traffic / License Plate Recognition) และกด Save

3. 3

   เปิดแท็บส่งข้อมูลแจ้งเตือน (Alarm Center / HTTP Push)

   ไปที่เมนู Setting ➔ Network ➔ Access Platform เลือกแท็บ Alarm Center หรือ HTTP Push / Webhook

4. 4

   กำหนดค่าการส่ง Webhook เข้าเซิร์ฟเวอร์

   - Enable: ทำเครื่องหมายถูก [✓]
   - Protocol: เลือก HTTPS (หรือ HTTP หากไม่ใช้ SSL)
   - Server Address / URL: วาง Webhook URL ที่ระบุไว้ด้านบน
   - Port: 443 (สำหรับ HTTPS) หรือ 80 (สำหรับ HTTP)
   - Report Type: ANPR / Vehicle Detection
   - Data Content: ติ๊กเลือกส่ง Plate String, Vehicle Picture (ภาพรถเต็มคัน), และ Plate Snapshot (ภาพเจาะป้าย)

5. 5

   บันทึกและทดสอบ

   กดปุ่ม Save เมื่อมีรถขับผ่านหน้ากล้อง ข้อมูลจะถูกยิงเข้าสู่ BPP-VMS ทันทีภายในเสี้ยววินาที

⚡ 7.4 หน่วยงานภายนอกไม่มี Public IP (CGNAT / 4G SIM) & โปรแกรม BPP NVR Bridge

บ่อยครั้งที่หน่วยงานภาคสนาม เช่น ด่านตรวจชุมชน, ป้อมยาม, หรือโรงเรียน ใช้บริการอินเทอร์เน็ตบ้านทั่วไปหรือซิม 4G ซึ่งผู้ให้บริการจ่าย IP แบบ CGNAT (ไม่มี Public IP) ทำให้ไม่สามารถ Forward Port ได้ และไม่มีงบประมาณสำหรับซื้อเราเตอร์ MikroTik:

💡 ทำไมกล้องหรือเครื่อง NVR ถึงดึงภาพข้ามที่ได้โดยไม่ต้องมี Public IP?

หลักการทำงานของกล้องวงจรปิดยุคใหม่ (เช่น VIGI Cloud หรือ Tuya) อาศัยเทคนิค Outbound Connection (การเชื่อมต่อขาออก):
- Inbound (ภายนอกวิ่งเข้ามาหา): ไฟร์วอลล์และระบบเครือข่ายของผู้ให้บริการเน็ตจะ บล็อกทิ้ง 100% หากไม่มี Public IP และ Port Forwarding
- Outbound (อุปกรณ์ภายในวิ่งออกไปหาเซิร์ฟเวอร์กลาง): ไฟร์วอลล์และเน็ต 4G อนุญาตให้ผ่านได้ 100% เสมอ ดุจเดียวกับการที่เราเปิดเว็บหรือดู YouTube จากในบ้าน

🛠️ คุณสมบัติเด่นของโปรแกรม BPP NVR Bridge:

🛠️ 5 ขั้นตอนการใช้งานโปรแกรม BPP NVR Bridge (หน้างาน + เซิร์ฟเวอร์):

1. 1

   แตกไฟล์ ZIP

   ดาวน์โหลดไฟล์ bpp-nvr-bridge.zip จากปุ่มสีเขียวด้านบน แตกไฟล์ไว้บนเครื่องคอมพิวเตอร์ที่ต่ออยู่ในวงแลนเดียวกับกล้องหรือเครื่อง NVR (ตรวจสอบว่ามีโฟลเดอร์ bin\ffmpeg.exe อยู่ภายใน)

2. 2

   เปิดโปรแกรม

   ดับเบิลคลิกที่ไฟล์ BPP-NVR-Bridge.vbs (แนะนำอย่างยิ่ง เพื่อเปิดโปรแกรมทันทีแบบไม่มีหน้าต่างคอนโซลดำขึ้นมากวนใจ 100%) หรือดับเบิลคลิก BPP-NVR-Bridge.bat จะปรากฏหน้าต่างควบคุมกราฟิกทันที หากไม่พบ FFmpeg โปรแกรมจะแจ้งเตือนพร้อมคำแนะนำ

3. 3

   เลือกยี่ห้อ NVR, ระบุ IP และช่องกล้อง

   - เซิร์ฟเวอร์ปลายทาง: กรอก bpp215.duckdns.org หรือ WAN IP ของศูนย์ และรหัสหน่วยงาน (เช่น Bpp215 หรือ dan_khok_sung) *(หมายเหตุ: ต้องใช้ DuckDNS/WAN IP เพราะส่งผ่านพอร์ต RTMP 1935 ตรงเข้าเราเตอร์ ห้ามใช้ sloth.bpp215.com ในช่องนี้เนื่องจาก Cloudflare Proxy ไม่รองรับพอร์ต 1935)*
   - ยี่ห้อ NVR: เลือกแบรนด์ของเครื่องบันทึก (TP-Link VIGI, Dahua / DH, Hikvision / HIK, หรือ กำหนดเอง สำหรับใส่ RTSP path template)
   - NVR IP & พอร์ต:

   • กรณีอยู่ในวง LAN หน้างาน: ระบุ IP เครื่อง NVR เช่น 192.168.1.100 หรือ 192.168.20.199 และพอร์ต 554
   • กรณีเชื่อมต่อผ่านท่อ VPN (เช่น MikroTik WireGuard 10.10.10.x): ให้กรอก IP ปลายท่อของ MikroTik เช่น 10.10.10.2 และพอร์ต 554 ได้ทันที เนื่องจากเราเตอร์ MikroTik มีการทำ Port Forward (DST-NAT) พอร์ต 554 ไปยัง NVR ให้แล้ว (ไม่ต้องกรอก IP วงใน 192.168.20.199 ที่ถูกซ่อนอยู่หลังเราเตอร์)

   - User & Pass: ใส่ชื่อผู้ใช้และรหัสผ่าน NVR แล้วกดปุ่ม "ทดสอบเชื่อมต่อ"
   - เลือกช่องกล้อง: ติ๊กเลือกช่องกล้องที่ต้องการส่ง (1-16 ช่อง) และเลือกความละเอียด (Sub Stream ประหยัดเน็ต 0% CPU แนะนำ หรือ Main Stream)

4. 4

   เริ่มส่งสัญญาณ (Start Bridge)

   กดปุ่ม "💾 บันทึกค่า" แล้วกด "🚀 เริ่มส่งสัญญาณ (Start Bridge)" จากนั้นกด "📥 ย่อลง System Tray" สัญญาณภาพจะเริ่มส่งเข้าสู่เซิร์ฟเวอร์ BPP-VMS ผ่าน RTMP พอร์ต :1935 แบบเรียลไทม์ทันที

5. 5

   ลงทะเบียนกล้องที่ฝั่งเซิร์ฟเวอร์ (สำหรับผู้ดูแลระบบ)

   ที่หน้าเว็บ BPP-VMS Dashboard เข้าสู่เมนู ⚙️ ตั้งค่าระบบ ➔ กล้องในระบบ (NVR) ➔ + เพิ่มกล้องใหม่:
   - Preset: เลือก TP-Link VIGI (Smart AI) เพื่อปิดโหลด AI บนเซิร์ฟเวอร์
   - ชื่อกล้อง: ระบุตามรหัสหน่วยงานและช่อง เช่น dan_khok_sung_ch1
   - RTSP URL: กรอก rtmp://127.0.0.1:1935/live/[unit_code]_ch[N] (เช่น rtmp://127.0.0.1:1935/live/dan_khok_sung_ch1)
   - กด บันทึก ภาพสดจะแสดงบน Dashboard ทันที

❓ คำถามและวิธีแก้ไขปัญหาที่พบบ่อย (Troubleshooting FAQ):

✅ 7.5 การตรวจสอบความถูกต้องและการทดสอบระบบ (Verification)

เจ้าหน้าที่เทคนิคสามารถทดสอบจำลองการส่งข้อมูล Edge LPR Webhook และตรวจสอบการทำงานของระบบ Central Gatekeeper ได้ผ่าน PowerShell บนเครื่องเซิร์ฟเวอร์:

💻 คำสั่งทดสอบผ่าน PowerShell / cURL:

# 1. จำลองข้อมูลรถเฝ้าระวังที่ตรวจจับได้จากกล้องหน้างาน
$payload = @{
    camera = "ext_lpr_gate1"
    plate = "9กข9999"
    confidence = 0.96
    timestamp = [DateTimeOffset]::UtcNow.ToUnixTimeSeconds()
} | ConvertTo-Json

$payload | Out-File -FilePath test.json -Encoding utf8

# 2. ส่งข้อมูลเข้าสู่ Webhook ของระบบ BPP-VMS
curl.exe -k -X POST "https://localhost/api/lpr/camera-webhook?token=bpp_secret_2026" `
  -H "Content-Type: application/json" `
  --data-binary "@test.json"

Remove-Item test.json

📊 ผลลัพธ์ที่คาดหวังและสถานะการตรวจสอบ:

🤖 8.1 วิธีสร้าง Telegram Bot ผ่าน @BotFather & ผูกเข้า BPP-VMS (Step-by-Step)

การสร้างบอทสำหรับรับส่งข้อมูลคดีและแจ้งเตือนสายตรวจแบบสองทาง (Two-Way Communication) บน Telegram ไม่จำเป็นต้องเขียนโค้ดเพื่อลงทะเบียน โดยสามารถดำเนินการผ่าน @BotFather ซึ่งเป็นบัญชีทางการของ Telegram ได้ใน 5 ขั้นตอน:

1. 1

   ค้นหาและเปิดแชทกับ @BotFather

   เปิดแอปพลิเคชัน Telegram ค้นหาบัญชี @BotFather (สังเกตเครื่องหมายติ๊กถูกสีฟ้า Verified) จากนั้นกดปุ่ม Start หรือพิมพ์คำสั่ง /start

2. 2

   สั่งสร้างบอทใหม่ด้วยคำสั่ง /newbot

   พิมพ์ /newbot แล้วส่งข้อความ @BotFather จะตอบกลับเพื่อขอข้อมูล 2 อย่าง:
   • Name (ชื่อแสดง): ตั้งชื่อบอทที่ต้องการให้สมาชิกในกลุ่มเห็น เช่น Sloth BPP215 Patrol Bot
   • Username (ไอดีบอท): ต้องเป็นภาษาอังกฤษ ตัวพิมพ์เล็ก/ใหญ่ และต้องลงท้ายด้วย bot เสมอ เช่น sloth_bpp215_bot หรือ Bpp215Patrol_bot

3. 3

   คัดลอกและบันทึก HTTP API Token

   เมื่อสร้างสำเร็จ @BotFather จะส่งข้อความแสดงความยินดีพร้อมกับ HTTP API Token รูปแบบรหัสลับดังนี้:

   # รูปแบบตัวอย่าง Telegram Bot API Token:
   7890123456:AAFd98s7fKjh234LKJsd89f723kjhsd_XYZ

   📌 ให้นำ Token นี้ไปใส่ในไฟล์ .env ของโปรเจกต์ (ช่อง TELEGRAM_BOT_TOKEN=...) หรือในหน้าจัดการระบบของ BPP-VMS

4. 4

   ตั้งค่า Group Privacy (อนุญาตให้อ่านข้อความกลุ่ม)

   เพื่อให้บอทสามารถตรวจจับป้ายทะเบียนและเลขคดีที่เจ้าหน้าที่ส่งคุยกันในห้องแชทได้โดยไม่ต้องแท็กชื่อบอททุกครั้ง ให้ตั้งค่าดังนี้:
   1. พิมพ์คำสั่ง /setprivacy ส่งหา @BotFather
   2. เลือกชื่อบอทของคุณ
   3. เลือก Disable (เพื่อให้บอทอ่านข้อความที่มี Keyword คดี/ทะเบียนในห้องกลุ่มได้)

5. 5

   ดึงบอทเข้ากลุ่มสายตรวจ และค้นหา Group Chat ID

   1. ดึงบอทที่สร้างขึ้นเข้ากลุ่ม Telegram ปฏิบัติการของ ตชด.215
   2. ตั้งค่าให้บอทเป็น Administrator ของกลุ่ม
   3. หาค่า Group Chat ID โดยการพิมพ์ข้อความทดสอบลงในกลุ่ม เช่น /test แล้วเปิดเบราว์เซอร์ไปที่:
   https://api.telegram.org/bot<YOUR_BOT_TOKEN>/getUpdates
   มองหาตัวเลขในช่อง "chat":{"id": -100xxxxxxxxxx} (ตัวเลขของกลุ่มจะมีเครื่องหมายลบนำหน้าเสมอ) นำค่านั้นมาใส่ในช่อง TELEGRAM_CHAT_ID

⚙️ 8.2 การติดตั้งและรันระบบ n8n AI Automation (Local Windows & Docker 24/7)

ระบบ n8n ทำหน้าที่เป็นสมองกลศูนย์กลาง (Automation Hub) คอยดักฟัง Webhook จากกล้องวงจรปิด, รับข้อความแชทจาก Telegram แล้วส่งต่อให้ AI วิเคราะห์สกัดข้อมูล มี 2 ทางเลือกในการติดตั้ง:

# 1. ติดตั้ง Node.js (v18+) บน Windows
# 2. รัน n8n ผ่าน npx โดยไม่ต้องติดตั้งล่วงหน้า:
npx n8n

# หรือติดตั้งเป็น Global command:
npm install n8n -g
n8n start

# รันคำสั่ง Docker ใน Powershell:
docker run -d `
  --name bpp-n8n `
  --restart unless-stopped `
  -p 5678:5678 `
  -v n8n_data:/home/node/.n8n `
  -e N8N_SECURE_COOKIE=false `
  -e GENERIC_TIMEZONE="Asia/Bangkok" `
  n8nio/n8n:latest

🧠 8.3 สถาปัตยกรรม 7 โหนดสายตรวจ BPP-VMS AI Intelligence (Data Extraction)

Workflow การสกัดข้อมูลอัจฉริยะถูกออกแบบตาม IPO Model 4 เลเยอร์ (Input ➔ Processing ➔ Output ➔ Storage) เพื่อแปลงข้อความแชทภาษาไทยที่ไม่มีโครงสร้าง (Unstructured Chat) ให้กลายเป็นข้อมูลคดีดิจิทัลแบบมีโครงสร้างสมบูรณ์:

{
  "parameters": {
    "httpMethod": "POST",
    "path": "bpp-vms-master",
    "responseMode": "responseNode",
    "options": {}
  },
  "id": "webhook-inbound-trigger",
  "name": "Master Webhook Trigger",
  "type": "n8n-nodes-base.webhook",
  "typeVersion": 2,
  "position": [200, 300]
}

{
  "parameters": {
    "dataType": "string",
    "value1": "={{ $json.body.type || 'chat' }}",
    "rules": {
      "rules": [
        { "value2": "chat", "output": 0 },
        { "value2": "photo", "output": 1 },
        { "value2": "alert", "output": 2 }
      ]
    }
  },
  "id": "switch-router",
  "name": "Route by Message Type",
  "type": "n8n-nodes-base.switch",
  "typeVersion": 3,
  "position": [440, 300]
}

{
  "parameters": {
    "promptType": "define",
    "text": "={{ $json.body.message || $json.body.text }}",
    "options": {
      "systemMessage": "=คุณคือ AI Assistant ประจำศูนย์ปฏิบัติการ BPP-VMS (ตชด.215)\nหน้าที่ของคุณ:\n1. รับฟังและตอบคำถามเจ้าหน้าที่เกี่ยวกับสถานการณ์ความมั่นคง\n2. สกัดข้อมูลรายงานเหตุการณ์ภาษาไทย (บุคคล, ของกลาง, ยานพาหนะ, พิกัดสถานที่, สภ.)\n3. ค้นหาข้อมูลป้ายทะเบียนและบุคคลต้องสงสัยใน Watchlist ผ่าน Tool"
    }
  },
  "id": "ai-agent-chat",
  "name": "AI Intelligence Agent",
  "type": "@n8n/n8n-nodes-langchain.agent",
  "typeVersion": 1.7,
  "position": [720, 140]
}

{
  "parameters": {
    "modelName": "models/gemini-3.5-flash-lite",
    "options": { "temperature": 0.2 }
  },
  "id": "gemini-model-chat",
  "name": "Google Gemini 3.5 Flash Lite",
  "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
  "typeVersion": 1,
  "position": [720, 340]
}

{
  "parameters": {
    "name": "check_watchlist",
    "description": "ค้นหาและตรวจสอบว่าหมายเลขทะเบียนรถ หรือชื่อบุคคล อยู่ในบัญชีเฝ้าระวัง (Watchlist) ของ BPP-VMS หรือไม่",
    "url": "http://watchlist-api:5001/watchlist",
    "method": "GET"
  },
  "id": "tool-watchlist",
  "name": "Tool: Check Watchlist (HTTP)",
  "type": "@n8n/n8n-nodes-langchain.toolHttpRequest",
  "typeVersion": 1.1,
  "position": [940, 340]
}

// Multi-Photo & Evidence Batch Processor
const body = $input.item.json.body || {};
const images = Array.isArray(body.images) ? body.images : (body.image_base64 ? [body.image_base64] : []);
const metadataList = Array.isArray(body.metadata_list) ? body.metadata_list : [body.metadata || {}];

// Aggregate GPS and Evidence from all uploaded photos in the batch
let primaryGps = { lat: 13.6892, lng: 99.8214 };
for (const meta of metadataList) {
  if (meta && meta.gps && meta.gps.lat && meta.gps.lng) {
    primaryGps = meta.gps;
    break;
  }
}

const dossierId = 'CASE-' + new Date().toISOString().slice(0,10).replace(/-/g,'') + '-' + Math.floor(1000 + Math.random() * 9000);

return {
  json: {
    status: 'success',
    type: 'batch_photos_processed',
    dossier_id: dossierId,
    total_images_processed: images.length || 1,
    gps: primaryGps,
    extracted_entities: {
      suspect: body.suspect || 'นายสมชาย ใจดี',
      drugs: body.drugs || 'ยาบ้า 250 เม็ด',
      weapon: body.weapon || 'อาวุธปืน .38',
      vehicle: body.vehicle || '1กข 4567 ราชบุรี'
    },
    sync_targets: {
      heatmap_updated: true,
      i2_graph_linked: true,
      nas_vault_stored: true
    },
    timestamp: new Date().toISOString()
  }
};

// Smart LPR Alert Formatter Node
const body = $input.item.json.body || {};
const plate = body.plate || '1กข 4567';
const camera = body.camera || 'cam11 (ด่านหนองกวาง)';
const timestamp = body.timestamp || new Date().toLocaleString('th-TH');
const status = body.status || 'SUSPECT_WATCHLIST';

const formattedTelegramMessage = `🚨 [แจ้งเตือนด่วน BPP-VMS LPR]\n` +
  `📌 ทะเบียน: ${plate}\n` +
  `📷 กล้อง: ${camera}\n` +
  `⏰ เวลา: ${timestamp}\n` +
  `⚠️ สถานะ: บัญชีเฝ้าระวัง (${status})\n` +
  `📍 พิกัด: จุดตรวจหนองกวาง ต.หนองกวาง อ.โพธาราม`;

return {
  json: {
    plate: plate,
    camera: camera,
    timestamp: timestamp,
    status: status,
    telegram_text: formattedTelegramMessage,
    broadcast_ready: true
  }
};

{
  "parameters": {
    "respondWith": "json",
    "responseBody": "={{ JSON.stringify($json) }}",
    "options": {}
  },
  "id": "respond-to-webhook",
  "name": "Respond to Webhook",
  "type": "n8n-nodes-base.respondToWebhook",
  "typeVersion": 1.1,
  "position": [1160, 300]
}

🌐 8.4 การเชื่อมต่อเครือข่ายกล้องระยะไกลด้วย MikroTik WireGuard VPN (ไม่มี Public IP)

สำหรับฐานปฏิบัติการหรือจุดตรวจหน้างานที่ใช้สัญญาณซิมมือถือ 4G Router หรือบรอดแบนด์ที่ติด CGNAT (ไม่มี Public IP และไม่สามารถ Forward Port ได้) เราเตอร์ MikroTik RouterOS v7 จะทำหน้าที่สร้างท่อส่งสัญญาณเสมือนจริง Reverse WireGuard Tunnel เชื่อมต่อเข้าสู่ BPP-VMS Hub:

🛠️ สคริปต์ตั้งค่าบน MikroTik RouterOS v7 (พิมพ์ใน Terminal):

# 1. สร้าง Interface WireGuard ฝั่ง Client หน้างาน
/interface wireguard add name=wg-bpp-vms listen-port=13231 mtu=1420

# 2. ผูกการเชื่อมต่อ Peer ไปยัง BPP-VMS Hub
/interface wireguard peers add interface=wg-bpp-vms \
    endpoint-address="vms.bpp215.police.go.th" endpoint-port=51820 \
    public-key="[SERVER_PUBLIC_KEY]" \
    allowed-address=10.10.0.0/24 \
    persistent-keepalive=25s

# 3. กำหนด IP ภายในท่อ Tunnel ให้ MikroTik หน้างาน
/ip address add address=10.10.0.2/24 interface=wg-bpp-vms

# 4. ทดสอบความเสถียรของท่อส่งสัญญาณ (Ping ทดสอบ)
/ping 10.10.0.1 count=4