企业官网建设流程全解析

简介：这份资源面向计算机视觉入门与进阶开发者，提供一套基于YOLOv5与LPRNet的车牌检测与识别完整实现，解决从图像中定位车牌并识别字符的工程问题，适用于交通监控、停车管理等场景的学习与二次开发。压缩包共59个文件，约16.73MB，包含22个Python脚本（训练、测试、数据转换与推理入口）、27张jpg示例图、3个yaml配置、3张png结果图，以及lprnet_best.pth与yolov5_best.pt两个预训练权重和说明文档，覆盖数据准备到模型部署的主要环节。已有816人学习下载。资源以CCPD数据集为训练与测试来源，代码中提供ccpd2yolov5、ccpd2lpr等转换脚本，并附带检测与识别结果图，便于读者快速复现YOLOv5检测加LPRNet识别的两阶段流程，理解边界框输出、车牌裁剪预处理与字符识别网络的衔接方式，同时可参考权重文件直接验证效果，适合作为课程设计或项目原型的起步模板。

1. 从一张停车场抓拍图说起：YOLOv5+LPRNet 车牌检测识别到底怎么落地

前阵子帮朋友处理一批停车场抓拍图，两千多张，角度歪、光照乱、车牌还带各种蓝绿渐变。他原本想用传统 OpenCV 轮廓法硬怼，结果一半以上车牌定位都飘。后来换成 YOLOv5 做检测、LPRNet 做识别这套组合，才把整条链路跑通。这套方案的核心思路很清晰：YOLOv5 负责在整张图里框出车牌位置，LPRNet 负责把裁出来的车牌小图转成字符序列。两者解耦，各自训练、各自优化，比端到端模型好调试得多。CCPD 数据集是国内车牌场景里绕不开的公开数据源，标注格式和真实抓拍接近，适合拿来练手或做基线。如果你手头有车牌识别需求，又不想从零造轮子，这套组合值得花时间拆一遍。下面按「数据怎么准备 → 模型怎么训 → 坑在哪 → 怎么验证」的顺序，把能复现的细节都摊开。

2. 数据管线：CCPD 数据集解析与 YOLO 格式转换

2.1 CCPD 的目录结构与标注逻辑

CCPD 数据集的文件名本身就是标注，这一点和很多数据集不同。以025-95_113-226&469_448&520-444&522_454&542_454&542_454&542-0_0_22_27_27_33_16-66-88.jpg为例，按-切分后各字段含义如下：

其中字段 2 的226&469_448&520表示左上角(226,469)、右下角(448,520)，这就是 YOLO 训练需要的检测框。字段 4 的七个数字对应车牌字符在省份、字母、数字字典里的索引，LPRNet 训练时要用。

常见做法是先把 CCPD 的标注转成 YOLO 的 txt 格式，每行class x_center y_center width height，坐标归一化到 0~1。转换脚本我一般这么写：

import os import cv2 # CCPD 字符字典，按实际数据集版本调整 provinces = ["皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新"] alphabets = ['A','B','C','D','E','F','G','H','J','K','L','M','N','P','Q','R','S','T','U','V','W','X','Y','Z'] ads = ['0','1','2','3','4','5','6','7','8','9'] def ccpd_to_yolo(img_dir, label_dir): os.makedirs(label_dir, exist_ok=True) for fname in os.listdir(img_dir): if not fname.endswith('.jpg'): continue parts = fname.split('-') if len(parts) < 7: continue # 解析边界框 bbox = parts[2].split('_') x1, y1 = map(int, bbox[0].split('&')) x2, y2 = map(int, bbox[1].split('&')) img_path = os.path.join(img_dir, fname) img = cv2.imread(img_path) if img is None: continue h, w = img.shape[:2] # 归一化并转为中心点+宽高 xc = (x1 + x2) / 2.0 / w yc = (y1 + y2) / 2.0 / h bw = (x2 - x1) / w bh = (y2 - y1) / h # 类别 0 表示车牌 line = f"0 {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}\n" txt_name = os.path.splitext(fname)[0] + '.txt' with open(os.path.join(label_dir, txt_name), 'w') as f: f.write(line) if __name__ == '__main__': ccpd_to_yolo('./ccpd/images', './ccpd/labels')

这段脚本的关键点有三个：一是parts[2]的解析必须严格按&和_切，CCPD 不同子集（base、blur、tilt 等）字段顺序一致，但个别文件名可能缺字段，所以加了len(parts) < 7的过滤；二是归一化用的是原图宽高，不是 640×640，YOLOv5 训练时会自己 resize；三是类别统一写 0，因为只检测车牌一类。跑完以后建议抽查几张，用labelImg或自己写个可视化脚本叠框看一眼，确认没有坐标翻转。

2.2 训练集/验证集划分与 LPRNet 标签生成

YOLO 那边只需要图片和 txt，LPRNet 这边需要裁出来的车牌小图和对应字符标签。我一般先用训练好的 YOLO 权重跑一遍检测，把车牌区域裁出来存成rec_images/，同时生成rec_labels.txt，每行图片名 字符序列。字符序列的生成逻辑是：把字段 4 的七个索引分别映射到省份、字母、数字字典，拼成字符串。注意 CCPD 里字母字典没有I和O，和国内车牌规则一致，映射时别用错字典。

划分比例上，CCPD 官方建议按 8:1:1 分训练、验证、测试。但实际做的时候，如果只做检测，YOLO 的验证集可以小一点；如果检测和识别一起调，识别模型的验证集要单独留，不能和检测混用，否则评估结果会虚高。我通常固定随机种子，按文件名哈希取模来分，保证每次复现划分一致。

提示：CCPD 里有些图片车牌区域极小或严重模糊，转换后建议按框面积过滤掉宽或高小于 20 像素的样本，否则 YOLO 训练时这些小目标会拉低召回。

3. YOLOv5 车牌检测：环境配置、训练参数与推理后处理

3.1 环境配置与 conda 隔离

YOLOv5 对环境比较敏感，尤其是 PyTorch 和 CUDA 版本。我习惯用 conda 建独立环境，避免和系统里的其他项目打架：

conda create -n yolov5-lpr python=3.8 -y conda activate yolov5-lpr # 按自己显卡驱动选对应 CUDA 版本的 PyTorch pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt

装完以后跑python detect.py --source data/images --weights yolov5s.pt验证环境。如果报CUDA out of memory，先把--device cpu加上确认代码没问题，再回头查显卡占用。常见坑是 conda 环境里装了 CPU 版 PyTorch，torch.cuda.is_available()返回 False，这时候要卸掉重装对应 CUDA 版本。

3.2 训练参数怎么设：从 yolov5s 起步

车牌检测属于单类目标检测，数据量几千到几万张，用yolov5s就够，没必要上 l 或 x。我一般这么起训：

python train.py \ --img 640 \ --batch 16 \ --epochs 100 \ --data ccpd.yaml \ --weights yolov5s.pt \ --cfg models/yolov5s.yaml \ --hyp data/hyps/hyp.scratch-low.yaml \ --name ccpd_yolov5s

ccpd.yaml里写清楚train、val路径和nc: 1、names: ['plate']。--img 640是默认值，如果车牌在图中占比很小，可以提到 1280，但显存翻倍，batch 要相应降到 8 或 4。--hyp用 low 增强版本，因为车牌颜色和纹理变化大，Mosaic、HSV 增强能明显提升泛化。训练过程中重点看mAP@0.5和mAP@0.5:0.95，车牌检测一般 mAP@0.5 能到 0.95 以上，如果卡在 0.8 左右，多半是标注框有偏移或漏标。

3.3 推理与后处理：NMS 阈值和裁剪边距

训练完拿best.pt推理，YOLOv5 的detect.py默认 NMS IoU 阈值 0.45、置信度 0.25。车牌场景下，如果一张图里只有一块车牌，这两个值不用大改；如果有多车牌或误检多，把置信度提到 0.5、NMS 降到 0.4 试试。裁车牌时别贴着框裁，四周留 5~10 像素边距，LPRNet 对边缘敏感，裁太紧会把字符切掉。

import torch from PIL import Image model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt') img = Image.open('test.jpg') results = model(img) # 取第一个检测框，留边距裁剪 for *box, conf, cls in results.xyxy[0].tolist(): x1, y1, x2, y2 = map(int, box) pad = 8 crop = img.crop((max(0, x1-pad), max(0, y1-pad), min(img.width, x2+pad), min(img.height, y2+pad))) crop.save('plate_crop.jpg')

这段代码里results.xyxy[0]是检测结果张量，每行x1,y1,x2,y2,conf,cls。pad设 8 是经验值，CCPD 里车牌框通常比较准，留太多会引入背景干扰。裁完的图统一 resize 到 LPRNet 需要的尺寸，一般是 94×24，保持宽高比做 padding，别直接拉伸。

4. LPRNet 识别：字符字典、CTC 损失与训练细节

4.1 LPRNet 结构为什么适合车牌

LPRNet 全称 License Plate Recognition Network，核心是不用 RNN、不用分割，直接 CNN + CTC 输出字符序列。车牌字符长度固定（国内蓝牌 7 位，新能源 8 位），但 CTC 允许输入不定长，所以同一套网络能兼容不同长度车牌。它的 backbone 是轻量 CNN，参数量小，推理快，适合部署到边缘设备。相比 CRNN+CTC，LPRNet 少了循环层，训练更稳，收敛更快，在 CCPD 上通常几十个 epoch 就能到不错的准确率。

4.2 字符字典与 CTC 标签对齐

字符字典要覆盖省份简称、字母、数字，外加 CTC 的 blank 符。我一般把 blank 放在索引 0，省份从 1 开始，字母和数字依次排。训练时标签是字符索引序列，CTC 会自动做对齐，不需要逐字符标注位置。这里有个容易翻车的点：字典顺序必须和生成标签时的映射一致，否则训练 loss 降不下去，识别出来全是乱码。建议把字典单独存成plate_dict.py，训练和推理都 import 同一份。

# plate_dict.py blank = '_' provinces = ["皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新"] alphabets = ['A','B','C','D','E','F','G','H','J','K','L','M','N','P','Q','R','S','T','U','V','W','X','Y','Z'] ads = ['0','1','2','3','4','5','6','7','8','9'] chars = [blank] + provinces + alphabets + ads char_to_idx = {c: i for i, c in enumerate(chars)} idx_to_char = {i: c for c, i in char_to_idx.items()}

4.3 训练参数与常见收敛问题

LPRNet 训练用 CTC Loss，优化器选 Adam，学习率 1e-3，batch 32 左右。输入尺寸 94×24，灰度或 RGB 都行，CCPD 是彩色图，我一般转灰度减少计算量。训练时重点看 CTC loss 是否稳定下降，如果 loss 震荡大，把学习率降到 5e-4 或加梯度裁剪。另一个常见问题是过拟合，CCPD 里某些省份车牌特别多，模型会偏向这些省份，解决办法是在采样时做类别平衡，或者对稀有省份做数据增强。

import torch import torch.nn as nn ctc_loss = nn.CTCLoss(blank=0, reduction='mean') optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) for imgs, labels, label_lens in dataloader: logits = model(imgs) # shape: [batch, T, num_classes] log_probs = logits.log_softmax(2).permute(1, 0, 2) # CTC 需要 [T, batch, classes] input_lens = torch.full((imgs.size(0),), log_probs.size(0), dtype=torch.long) loss = ctc_loss(log_probs, labels, input_lens, label_lens) optimizer.zero_grad() loss.backward() torch.nn.utils.clip_grad_norm_(model.parameters(), 5.0) optimizer.step()

这段里blank=0必须和字典里 blank 的索引一致，log_softmax(2)是在类别维度做，permute把时间维换到最前。clip_grad_norm_阈值 5.0 是防止梯度爆炸的常用值。如果 loss 降到 0.1 以下还在降，但验证集准确率不涨，就是过拟合了，早点停。

5. 避坑与排查：从数据到推理的五个血泪经验

5.1 现象：YOLO 训练 loss 正常但 mAP 极低

原因通常是标注格式不对。CCPD 转 YOLO 时，如果坐标没归一化，或者 x1>x2、y1>y2 没交换，YOLO 读进去框全是乱的。解决方法是转换后随机抽 20 张用labelImg打开看，确认框贴合车牌。另外检查ccpd.yaml里nc和names数量是否一致，不一致会直接报错或静默忽略类别。

5.2 现象：LPRNet 识别结果全是同一个字符

这是 CTC 训练里最经典的翻车。原因一般是字典映射错了，或者标签里混入了不在字典里的字符。排查时先把idx_to_char打印出来，再拿几条训练标签手动解码，看能不能还原成正确车牌。如果标签里有空格或换行没 strip 掉，也会导致映射失败。解决就是统一在生成标签时做strip()和字符校验。

5.3 现象：推理时检测框对但识别错位

车牌有倾斜时，YOLO 给的矩形框会包含较多背景，LPRNet 对字符位置敏感，容易把边缘噪声识别成字符。常见做法是先做透视变换把车牌摆正，再送 LPRNet。CCPD 字段 3 有四角点坐标，训练识别模型时可以用它做矫正，推理时如果没有角点，就用最小外接矩形加仿射变换近似。

5.4 现象：conda 环境里 YOLOv5 跑着跑着报 CUDA error

多半是 PyTorch 版本和显卡驱动不匹配，或者显存被其他进程占了。先nvidia-smi看显存占用，再确认torch.version.cuda和驱动支持的 CUDA 版本一致。如果 batch 设太大，也会在训练中途 OOM，把 batch 减半或开--amp混合精度能缓解。

5.5 现象：CCPD 某些子集图片读入为 None

CCPD 里有个别文件损坏或路径含特殊字符，cv2.imread返回 None。转换脚本里必须加if img is None: continue，否则后续img.shape直接崩。另外 Windows 下路径分隔符和 Linux 不同，用os.path.join拼路径，别手写斜杠。

6. 验证与进阶：用测试集量化评估，再谈端到端串联技巧

训练完不能只看 loss，得用留出的测试集算指标。检测这边算 mAP@0.5 和召回率，识别这边算整牌准确率和字符准确率。整牌准确率要求七位全对，字符准确率按位算，后者通常比前者高 5~10 个百分点。我一般写个评估脚本，把检测和识别串起来跑一遍测试集：

correct_plate = 0 total = 0 for img_path, gt_plate in test_list: img = Image.open(img_path) det = model(img) if len(det.xyxy[0]) == 0: continue x1, y1, x2, y2 = map(int, det.xyxy[0][0][:4].tolist()) crop = img.crop((x1, y1, x2, y2)).convert('L').resize((94, 24)) pred = lprnet_infer(crop) # 返回解码后的字符串 total += 1 if pred == gt_plate: correct_plate += 1 print(f'整牌准确率: {correct_plate / total:.4f}')

这段代码里lprnet_infer封装了预处理、前向、CTC 贪心解码。贪心解码实现简单，但遇到重复字符可能出错，比如皖A88888里连续 8 容易被 CTC 合并，这时候可以用 beam search 解码，或者在后处理里加规则校验。实际部署时，如果检测和识别分开跑，中间裁剪和 resize 的耗时可能比模型本身还大，我一般把预处理写成 batch 操作，一次处理多张裁图。

另一个进阶技巧是联合微调：先用 CCPD 分别训好检测和识别，再拿一小批真实场景数据，固定检测模型，只微调 LPRNet 的最后几层，让识别模型适应自己场景的字体和光照。这样比从头训省时间，效果也比直接用 CCPD 模型好。从那以后我每次上新场景，都强制先跑一遍测试集评估，再决定要不要微调，绝不凭感觉直接上线。希望帮到你。

本文还有配套的精品资源，点击获取