【算法介紹】

智能車牌檢測與識別系統借助當下前沿的 YOLOv11 算法以及 PP-OCRv5 算法，能夠在復雜多樣的環境場景中，快速且精準地達成實時車牌檢測與識別任務。在現代交通管理領域，該技術意義重大，它能夠推動涉及車輛識別與記錄的諸多流程實現自動化與簡化。此類系統不僅顯著提升了工作效率，還大幅減少了人工操作可能出現的失誤，為交通管理提供了便捷、可靠的數據支撐，對于強化交通安全保障、助力執法工作開展以及推動智慧城市建設都具備不可忽視的深遠價值。

【軟件界面】

【效果展示】

【測試環境】

windows10
anaconda3+python3.8
torch==2.3.1+cu118
ultralytics==8.3.120

paddlepaddle-gpu==3.0.1

padddleocr==3.0.1

【模型可以檢測出類別】

car-plate

【識別原理】

使用yolo11訓練車牌檢測模型進行車牌檢測，然后將檢測出車牌摳出來直接放入paddleocr的文本識別模型進行識別，因此識別不需要訓練。注意由于直接用paddleocr通用模型進行識別，因此對正面清晰車牌識別很好，但是對應模糊傾斜可能會很差。

【環境準備】

Python版本：確保Python版本為3.8或更高。
操作系統：支持Windows、Linux或MacOS。
虛擬環境：推薦使用conda或venv創建虛擬環境，以避免依賴沖突。
創建并激活虛擬環境
使用conda創建虛擬環境：conda create -n paddle_env python=3.8，然后激活環境：conda activate paddle_env。
或者使用venv創建虛擬環境：python -m venv paddle_env，然后在Windows上激活：paddle_env\Scripts\activate，在Linux/MacOS上激活：source paddle_env/bin/activate。
安裝PaddlePaddle
根據硬件選擇安裝命令。如果需要GPU支持，確保已安裝CUDA和cuDNN，并安裝PaddlePaddle GPU版本。例如：pip install paddlepaddle-gpu==3.0.0 -f https://www.paddlepaddle.org.cn/whl/stable.html。
如果不需要GPU支持，安裝CPU版本：pip install paddlepaddle==3.0.0。
安裝PaddleOCR
安裝PaddleOCR 3.0.1或更高版本：pip install paddleocr>=3.0.1。
驗證安裝
進入Python交互環境，導入PaddleOCR并打印版本信息：

from paddleocr import PaddleOCR如果運行無誤，說明安裝成功。
安裝YOLOv11
安裝PyTorch
根據硬件選擇安裝命令。如果需要GPU支持，安裝GPU版本的PyTorch。例如：

pip install torch==2.3.1+cu118 torchvision==0.18.1+cu118 -f ?https://download.pytorch.org/whl/torch_stable.html
如果不需要GPU支持，安裝CPU版本：

pip install torch==2.3.1+cpu torchvision==0.18.1+cpu -f ?https://download.pytorch.org/whl/torch_stable.html
安裝YOLOv11
使用pip安裝ultralytics包：pip install ultralytics==8.3.120

【使用步驟】

使用步驟：
（1）首先根據官方框架github.com/ultralytics/ultralytics安裝教程安裝好yolov11環境，并安裝好pyqt5
（2）切換到自己安裝的yolov11環境后，并切換到源碼目錄，執行python main.py即可運行啟動界面，進行相應的操作即可

【提供文件】

python源碼
yolov11n.pt模型
測試圖片（在test_img文件夾下面）