企业官网建设流程全解析

简介：基于YOLOv5的车牌检测与识别完整实现，面向计算机视觉开发者、智能交通及安防监控领域的算法工程师，可解决车辆场景下车牌自动定位与字符识别的落地问题。资源共84个文件，压缩包78.16MB，涵盖PyTorch权重文件（.pt/.pth）、Python训练与推理脚本、YOLOv5系列模型配置（yaml）、车牌样例图片（jpg/jpeg/png）以及XML标注文件，从模型定义、数据准备到检测识别均有完整覆盖。包内还包含LPRNet字符识别模块、模型导出脚本和多种网络结构配置，可支持从训练、验证到导出的全流程操作；并配有测试图片和识别结果示例，便于直接运行体验或基于自有数据集进行二次开发与参数调优。已有2057人学习下载，适合希望快速上手YOLOv5车牌识别项目、研究检测与OCR结合方案的读者。

1. 车牌识别不是目标检测的简单加法：先想清楚YOLOv5在这条链上干什么

一辆车从远处开进停车场道闸的识别区，几百毫秒之内要把车牌号码读出来并抬杆放行——这是YOLOv5车牌检测和识别最典型的落地场景。YOLOv5在这里负责的是目标检测：从整张画面里把车牌这个目标框出来；而「框里到底是什么字符」是识别阶段的事，通常由另一段网络或字符级检测完成。这两段是串行关系，检测的框质量直接决定识别的上限，所以很多人拿YOLOv5只做检测、把识别交给OCR，这个分工是合理的。做这个方向的人，多半是手里有摄像头和GPU的工程师，想用yolov5训练自己的车牌数据集、从环境配置到部署完整走一遍。先搞清楚这个分工，后面踩坑才知道坑在哪一层。

2. 环境与数据：用conda把YOLOv5跑起来，车牌数据集怎么选、怎么转格式

先把环境装好。这一步别图省事直接往系统Python里塞包，conda隔离环境是踩出来的习惯。yolov5环境配置的核心是版本对齐：Python版本、PyTorch版本、CUDA版本三者要匹配，否则后面训练时莫名其妙报CUDA错误，排查起来非常消耗耐心。装环境这件事看着简单，但每天都有大量时间耗在「torch装好了但是cuda不可用」这类问题上，所以花十分钟把环境弄干净，比后面反复返工划算得多。

2.1 conda创建yolov5环境与依赖安装

conda create -n yolov5 python=3.9 -y conda activate yolov5 git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

第一行创建名为yolov5的conda环境并指定Python 3.9。Python版本不能太低也不能太高：3.8以下很多新版本PyTorch不再支持，3.10以上部分依赖编译时容易报错，3.9是目前兼容性最稳的选择。第三行从GitHub拉取YOLOv5源码，官方仓库一直维护了比较久，拉默认分支即可。最后一行安装requirements.txt里锁定的依赖，包含torch、torchvision、opencv-python、numpy等核心库。

装完之后验证一下环境：

python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

这行命令确认PyTorch装好且CUDA可用。输出应该类似2.1.0 True，如果后面是False，说明torch装成了CPU版或者CUDA驱动没对上。常见做法是去PyTorch官网用pip安装对应CUDA版本的torch，而不是靠requirements.txt里的默认源。conda yolov5环境装好后，这一层基本不会在训练阶段再出问题，后面所有操作都在这套环境里做，别混用。

2.2 车牌数据集怎么选：CCPD、CRPD还是自己标

YOLOv5训练自己的数据集，第一步是解决数据来源。车牌识别领域公开数据集主要是CCPD（中国城市停车场数据集）和CRPD（中国车牌数据集）。

CCPD是国内停车场场景采集的，特点是场景多样，包含蓝牌和绿牌（新能源），有大量倾斜、逆光、夜间样本。它每个样本存储的是整张停车场画面，车牌位置以json形式给出，适合做YOLOv5检测训练。CRPD是另一个车牌检测与识别数据集，覆盖省份更多，有些版本直接给了车牌字符级标注，适合做识别阶段的训练。

如果项目要求是特定场景——比如只有地下车库的暖光环境，或者只有单位门口的单车道——公开数据集其实不太够用，因为停车场公开数据和你的摄像头视角差异很大。我一般建议先拿CCPD跑通流程，再采集自己场景的几百张图做增量训练。标注工具用LabelImg或者x-anylabeling都可以，前者老牌稳定，后者对旋转框支持更好。车牌经常是倾斜的，这一点后面会专门讲。

2.3 VOC标注转YOLO格式：转换脚本与四个边界坑

LabelImg默认导出VOC XML格式，而YOLOv5需要的是txt格式：每行一个目标，格式为class_id center_x center_y width height，坐标是相对图片宽高的归一化值。转换脚本是绕不开的一步。

import xml.etree.ElementTree as ET import os def xml_to_yolo(xml_path, out_dir, class_names): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find('size/width').text) img_h = int(root.find('size/height').text) lines = [] for obj in root.iter('object'): name = obj.find('name').text cls_id = class_names.index(name) box = obj.find('bndbox') x1 = float(box.find('xmin').text) y1 = float(box.find('ymin').text) x2 = float(box.find('xmax').text) y2 = float(box.find('ymax').text) # 转成YOLO格式：中心点坐标 + 宽高，归一化到[0,1] cx = (x1 + x2) / 2.0 / img_w cy = (y1 + y2) / 2.0 / img_h w = (x2 - x1) / img_w h = (y2 - y1) / img_h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") os.makedirs(out_dir, exist_ok=True) txt_name = os.path.splitext(os.path.basename(xml_path))[0] + '.txt' with open(os.path.join(out_dir, txt_name), 'w') as f: f.write('\n'.join(lines))

这段脚本把VOC XML里的目标框转换成YOLO训练要的txt标注。核心逻辑是把左上角(x1,y1)、右下角(x2,y2)的坐标换算成中心点(cx,cy)和宽高(w,h)，再除以图片宽高做归一化。cls_id是类别在names里的下标，车牌检测只有一个类别plate，所以取值恒为0。

转换时有四个边界坑要留意：

第一，img_w和img_h取的是xml里size节点的值，不是图片实际尺寸。如果标注工具版本不一致，xml里的宽高和图片实际像素对不上，坐标就会整体偏移，模型训练出来检测框全部靠左上角。解决办法是转换前用PIL或cv2重新读一遍图片尺寸，以实际像素为准。

第二，XML里的坐标可能带小数点，也可能是负数。带小数点还好，float()直接解析；负数一般是标注工具误操作产生的越界框，转换时要做clip操作，把坐标约束在[0,img_w]和[0,img_h]内。

第三，标注文件里可能存在<difficult>标记的困难样本，这类目标通常很模糊，直接混进训练集会拉低mAP。转换时加个判断，difficult=1的跳过。

第四，回车换行符。Linux和Windows混用标注文件时，txt里可能出现\r字符，训练时读标注会报格式错误。用open写入时指定newline='\n'，或者转换后统一用dos2unix清理一遍。

数据集目录结构也要按YOLOv5约定摆好：train和val两个文件夹，下面分images和labels两个子目录。images目录放图片，labels目录放对应的txt。YAML文件里分别指向train和val的images路径即可。

3. 训练车牌检测模型：yolov5超参数与训练日志解读

数据就绪之后，开始训练。这一章讲三个东西：训练命令怎么写、yolov5超参数怎么调、训练日志和mAP怎么看。这一层直接决定检测模型能不能用，不能盲目跑默认参数。

3.1 训练命令与数据集YAML

# plate.yaml train: /home/user/plate_dataset/train/images val: /home/user/plate_dataset/val/images nc: 1 names: ['plate']

先写数据集配置文件。train和val字段指向图片目录，YOLOv5会从同级的labels目录自动找标注txt。nc是类别数，这里只有车牌一个类，写1。names是类别名列表。

python train.py --data plate.yaml --weights yolov5s.pt --epochs 300 --batch-size 16 --img 640 --device 0

这是最常用的车牌检测训练命令。--weights yolov5s.pt表示加载YOLOv5s预训练权重做迁移学习，不要小看这一步，从零训练在车牌这种单类目标上收敛极慢，mAP也很难上去。--img 640是输入分辨率，车牌通常占画面比例不大，建议至少640起步。--batch-size 16要看显存，12G显存用yolov5s跑640分辨率，16这个值刚好。

--device 0指定第一块GPU。如果只有CPU，去掉这个参数或者写--device cpu，但训练速度会慢一到两个数量级，300个epoch等不起。

3.2 yolov5超参数必调的5个位置

YOLOv5的超参数在data/hyp.scratch.yaml这类文件里，训练时刻用--hyp指定。车牌检测这种任务，我任务最值得调的5个参数是：

lr0: 0.01 # 初始学习率 lrf: 0.2 # 最终学习率 = lr0 * lrf warmup_epochs: 3 # 预热epoch数 fl_gamma: 0.0 # focal loss强度 mosaic: 1.0 # mosaic增强概率

lr0是初始学习率，预训练权重迁移时0.01是安全的起点，如果loss前20个epoch就震荡，降到0.005再看。warmup_epochs预热让模型前几个epoch用很小的学习率慢慢进入状态，车牌数据集如果只有几千张，warmup可以适当加长到5。fl_gamma是focal loss的gamma参数，用于解决正负样本不均衡。车牌目标在画面里通常只有一个，不那么极端，默认0.0即可；但如果你自己做数据时每张图平均不到0.5个车牌目标（很多空背景图），可以调到0.5。

mosaic是马赛克增强，把4张图拼在一起训练，对小目标检测尤其有效。车牌属于中小目标，mosaic保持默认1.0。但要小心：车牌本身是矩形且字符密集，mosaic时如果拼接边恰好切到车牌，会产生大量切了一半的车牌正样本，模型容易学到「半个车牌也能算正例」的坏习惯。真遇到识别阶段经常把半截车牌框出来，就把mosaic降到0.5甚至0.3，这是最直接的后悔药。

3.3 训练日志与mAP怎么看

训练结束后，终端会输出每个类别的P（精确率）、R（召回率）、mAP50和mAP50-95。对车牌检测场景，我最看重的是R而不是mAP50-95，因为漏检一辆车意味着道闸不抬杆，比误检更影响体验。R要做到95%以上才敢上线。

训练过程中还有一个容易忽略的细节：results.png里val_box_loss曲线。如果val的box loss在epoch 200之后还在缓慢下降，说明数据还有学习空间，可以加epoch。如果val loss已经平稳甚至反弹，再多的epoch只会过拟合到训练集，此时看best.pt和last.pt的差别就知道模型有没有飘——best.pt在验证集上表现最好，last.pt是最后一个epoch的权重，两者mAP差距超过2个点，说明后半段训练已经在过拟合。

另一个常被忽略的文件是labels.png，它可视化标注分布：框中心点散布在图像中央区域，宽高集中在一个范围。如果看到标注框的width/height出现离群值，比如某个框宽度归一化值超过0.5，说明有标注错的样本混进来了，优先清洗数据而不是调参——训练数据里的脏框，靠调参永远调不干净。

4. 检测完之后怎么读字符：车牌识别两条可行路线

YOLOv5检测模型输出的是车牌位置框，接下来要把框里的字符读出来。这一步是车牌识别（LPR），常见做法有两条：一是检测车牌后裁剪图像，交给LPRNet这类轻量OCR网络直接输出字符串；二是再用YOLOv5训练一个字符级检测模型，检测出每个字符的位置后按顺序拼接。两条路线在工程上都有大量落地，选哪条取决于你的字符集规模和部署算力。

4.1 路线一：YOLOv5检测车牌 + LPRNet字符序列识别

LPRNet是专门为车牌识别设计的轻量网络，输入车牌的裁剪图（比如宽高94x24），输出是字符串序列，不需要预先做字符分割。它内部用CTC损失做序列建模，训练数据是字符级别的标注（省份汉字、字母、数字）。常见做法是：检测模型每帧输出车牌框，把框内区域用OpenCV裁出来，resize到LPRNet的输入尺寸，前向一次直接得到「京A12345」这样的结果。

import cv2 import torch # plate_det是训练好的YOLOv5检测模型，lprnet是训练好的识别模型 def detect_and_recognize(img, plate_det, lprnet): results = plate_det(img) # YOLOv5前向，得到车牌框 for det in results.xyxy[0]: x1, y1, x2, y2, conf, cls = det.cpu().numpy() if conf < 0.6: continue crop = img[int(y1):int(y2), int(x1):int(x2)] # 裁剪车牌区域 crop = cv2.resize(crop, (94, 24)) # 对齐LPRNet输入尺寸 crop = torch.from_numpy(crop).permute(2, 0, 1).float() / 255.0 plate_text = lprnet(crop.unsqueeze(0)) # 前向得到字符串 print(f"plate: {plate_text}, conf: {conf:.2f}")

这段代码把检测和识别串起来。核心在于resize到(94,24)这一步：LPRNet的输入设计是宽94高24固定尺寸，字符长宽比会被拉伸，但CTC训练时已经见过这种拉伸，所以问题不大。裁剪前建议先做一次透视矫正，框是斜的时候直接resize会拉伸变形，识别准确率明显下降，矫正方法在4.3节讲。conf阈值取0.6是经验值，道闸场景漏一拍比误抬杆好，阈值可以提到0.7。

4.2 路线二：用YOLOv5做字符级检测后拼接

如果不想额外维护一个LPRNet网络，也可以把YOLOv5用在字符粒度上：把车牌图里每个字符当成一个目标类，类别是「省份汉字+字母+数字」，训练一个字符检测器。识别时先把大图上的车牌框出来，裁剪，再对裁剪图跑字符检测，最后按x坐标从左到右排序拼接。

python train.py --data char.yaml --weights yolov5s.pt --epochs 200 --batch-size 32 --img 320

char.yaml里的nc是字符类别数，常见设置是31个省份汉字+24个字母（I和O通常不用）+10个数字，共65类。输入分辨率降到320，因为字符在裁剪图里已经是大目标，不需要640。这条路线对排布不标准的车牌（比如新能源车牌的8位字符）更友好，LPRNet在长字符序列上偶尔会丢字符，字符级检测配合排序拼接则不会。

代价是工程链路变长：要按x坐标排序、要处理粘连字符的NMS合并，还要处理检测框重叠时字符被重复计数的问题。我见过不少项目在这条路线的后处理上加了一堆规则，最后效果不稳定。纯从省心角度，数据规模不大时优先考虑LPRNet；只有字符集里有特殊字符、或者车牌样式特别不规整时，才值得上字符级检测。

4.3 车牌透视矫正：识别前的一步关键预处理

无论走哪条识别路线，裁剪出来的车牌区域都可能带透视形变。道闸摄像头的安装角度决定了车牌不会总是正对镜头，尤其是车停在坡道或车头偏离时，车牌是一个平行四边形。直接送进识别网络，字符被压缩，识别率掉得厉害。

import cv2 import numpy as np def rectify_plate(crop_gray): # 边缘检测找到车牌四边形的四个角点 edges = cv2.Canny(crop_gray, 100, 200) contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnt = max(contours, key=cv2.contourArea) # 车牌是四边形，用approxPolyDP拟合出四个角 epsilon = 0.02 * cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, epsilon, True) if len(approx) != 4: return crop_gray # 拟合不出四边形，原样返回 # 按左上、右上、右下、左下排序后做透视变换 pts = approx.reshape(4, 2).astype(np.float32) dst = np.float32([[0, 0], [94, 0], [94, 24], [0, 24]]) M = cv2.getPerspectiveTransform(pts, dst) return cv2.warpPerspective(crop_gray, M, (94, 24))

这段代码用Canny边缘检测拿到车牌的边缘轮廓，再用approxPolyDP把轮廓拟合成四边形，最后用getPerspectiveTransform计算透视变换矩阵并矫正。核心是透视变换：把任意四边形映射到固定尺寸(94,24)的矩形。

提示：矫正的目标矩形不要设置成正方形，车牌的长宽比大约是3.7:1，保持这个比例字符才不会被拉伸。

这一步对识别效果的提升非常明显。我第一次调通LPRNet时，直接拿倾斜车牌测试识别率只有70%出头，加上矫正之后到96%左右。当时还在怀疑是不是模型训练问题，后来才发现是前处理少了这一步。

5. YOLOv5车牌项目避坑指南：5个高频问题的现象、原因与解决

从数据到模型再到部署，车牌场景有自己特有的坑。这一章写5个实测高频问题，每条按「现象→原因→解决」的结构说。

5.1 蓝牌绿牌混训导致漏检率翻倍

现象：训练集里蓝牌和绿牌各一半，训练完成后蓝牌检测正常，绿牌漏检严重。原因：绿牌是渐变底色，字符对比度比蓝牌低，模型在底层特征上更难区分；另外CCPD数据集中蓝牌数量远大于绿牌，类别内样本不均衡是常见的翻车点。解决：把绿牌数据单独抽出来数一遍，保证训练集里绿牌数量不低于总样本的30%；不够就做数据增强，把蓝牌样本通过HSV变换转成偏绿底色调加进训练集，这是懒人办法，但实测有效。

5.2 车牌倾斜时检测框和字符识别一起出问题

现象：检测框框住了车牌但框得很松，边缘有多余背景；识别阶段字符大量错乱，尤其两端的汉字和最后的数字。原因：标注框是正矩形，倾斜车牌被框成斜矩形，resize的同时把字符压扁了，识别网络看到的字符和训练时的形状分布对不上。解决：采集数据时优先用带旋转框能力的标注工具，导出旋转框后扩展成YOLO的正矩形框；或者训练后用4.3节的透视矫正兜底。注意矫正解决的是识别错乱，解决不了检测框松的问题，检测框松要从标注侧改。

5.3 训练loss前20个epoch不降反升

现象：loss从1.x涨到2.x，然后一直不动。原因：最常见是学习率过大。YOLOv5默认lr0=0.01是配合COCO这种大数据集的，车牌数据量小，0.01偏大。解决：把lr0改到0.005，warmup_epochs从3提到5。如果还是不行，用--weights ''从零训练对比，如果从零训练loss反而降得更快，说明预训练权重的特征跟车牌场景差太多，那就老老实实从零训练，或者换yolov5n这种更轻的预训练模型。

5.4 远距离小目标车牌总是漏检

现象：道闸前3米内车牌秒检，距离超过10米就开始闪烁漏检。原因：摄像头画面里远距离车牌只有几十个像素宽，640分辨率下特征太弱。解决：训练时把--img从640提高到1280，检测时也按1280推理。显存不够就在训练和推理时用--rect保持原图比例，减少无效padding。另外可以从yolov5s换到yolov5m，深度增加对小目标的特征表达能力有实打实的提升。

5.5 识别阶段省份汉字误识别成其他字

现象：「京」被识别成「青」或「冀」，「湘」被识别成「浙」，频率还不低。原因：LPRNet这类OCR网络的训练数据里，省份汉字类别分布很不均衡，北京、山东、广东的样本多，青海、湖南的样本少，模型对低频汉字基本是瞎猜。解决：第一条路是训练时对低频省份做过采样，把「青」「湘」这类样本重复加载到和北京一个量级；第二条路是不训练省份汉字，识别结果里前两位只做校验不参与业务判断，很多停车场系统根本没用到省份信息，可以砍掉。字符集缩小之后识别率会整体上升，这个是立竿见影的。

6. 部署到边缘设备：导出ONNX与TensorRT加速的验证习惯

模型在GPU上跑通了，下一步是部署。车牌检测和识别的典型部署目标是道闸工控机或边缘盒子，NVIDIA平台用TensorRT，树莓派5这类ARM平台用ONNX Runtime，导出流程大同小异。

python export.py --weights best.pt --include onnx --img 640

YOLOv5官方就带导出脚本，--include onnx导出ONNX格式，--img 640必须和训练时保持一致。导出后用onnxruntime跑一次推理，对比原模型和ONNX模型的输出差异。差异超过0.1个置信度阈值，就要检查是否开了--dynamic动态输入。车牌场景输入尺寸是固定的，关掉动态维度能让模型更稳定。

TensorRT加速时有一个关键验证习惯：用同一段测试视频跑原模型和TensorRT引擎，逐帧对比检测框坐标。坐标偏差超过2个像素就要警惕量化精度掉了，此时把FP16去掉改用FP32，视觉任务上FP16的加速收益远小于精度损失风险。

部署验收不要只看识别率，要看整条链路的端到端耗时。道闸场景从图像输入到输出字符串，50毫秒以内是可接受的，超出200毫秒就要拆链路逐段计时：图像采集、检测前处理、检测推理、裁剪矫正、识别推理、后处理拼接，哪段耗时长就优化哪段。我见过很多项目栽在识别推理上——LPRNet虽轻，但如果每帧都跑两次，依然会吃掉算力预算。

车牌识别项目的调优顺序我一直按「先数据、再输入尺度、最后引擎」来。数据错了调什么都没用，输入分辨率不够再好模型也白搭，引擎优化永远放在最后。这个习惯帮我避掉了不止一次返工。希望帮到你。

本文还有配套的精品资源，点击获取