设计一个基于机器视觉的车辆自动识别收费系统，要求该系统可以对行驶中的车辆进行车型和车牌的识别，在不停车的情况下实现车辆按型号不同分类收费的功能。列出系统的总体结构和主要组成模块，画出相应模块的算法流程图并阐述每个模块的功能和作用。

总体结构：

该车辆自动识别收费系统由三个主要组成部分构成：车辆检测模块、车型识别模块和车牌识别模块。车辆检测模块主要负责对行驶中的车辆进行检测和定位，车型识别模块主要负责对检测到的车辆进行车型识别，车牌识别模块主要负责对检测到的车辆进行车牌识别。每个模块的结果将传递给下一个模块。最终，系统将根据车型和车牌信息实现车辆按型号不同分类收费的功能。

主要组成模块：

1. 车辆检测模块：该模块主要用于检测行驶中的车辆并定位车辆的位置和大小。该模块可以使用深度学习算法（如YOLOv3）进行车辆检测和定位。

2. 车型识别模块：该模块主要用于对检测到的车辆进行车型识别。该模块可以使用卷积神经网络（CNN）进行车型分类。可以使用一些已有的数据集进行训练，例如Stanford Cars数据集或Comprehensive Cars数据集。

3. 车牌识别模块：该模块主要用于对检测到的车辆进行车牌识别。该模块可以使用OCR（Optical Character Recognition，光学字符识别）技术进行车牌识别。可以使用一些已有的数据集进行训练，例如CCPD数据集或CASIA数据集。

算法流程图：


车辆检测模块功能和作用：

该模块主要负责对行驶中的车辆进行检测和定位。在该模块中，可以使用YOLOv3算法进行车辆检测和定位。该算法可以同时检测多个车辆，并输出车辆的位置和大小信息。该模块的输出结果将传递给车型识别模块和车牌识别模块。

车型识别模块功能和作用：

该模块主要负责对检测到的车辆进行车型识别。在该模块中，可以使用CNN进行车型分类。可以使用一些已有的数据集进行训练，例如Stanford Cars数据集或Comprehensive Cars数据集。该模块的输出结果将传递给车牌识别模块。

车牌识别模块功能和作用：

该模块主要负责对检测到的车辆进行车牌识别。在该模块中，可以使用OCR技术进行车牌识别。可以使用一些已有的数据集进行训练，例如CCPD数据集或CASIA数据集。该模块的输出结果将传递给收费系统，实现车辆按型号不同分类收费的功能。