1、项目介绍
环境： Python 3.8 深度学习pytorch PyQt5图形化界面 LPRNet车牌识别算法 YOLOv8

技术栈： 本车牌识别系统是基于深度学习的，使用yolox进行车牌检测，然后通过LPRnet进行车牌识别。

车牌检测模型目前包含yolox和yolov8，而且yolov8中包含个人修改的添加注意力机制的yolov8

车牌OCR识别模型：LPRNet
数据集：CCPD2019、CCPD2020数据集
其中资源包括：python、pycharm、cuda、torch等

2、项目界面
（1）上传图片进行车牌检测识别

（2）上传视频进行车牌检测识别

（3）连接摄像头进行车牌检测识别

（4）批量图片检测识别

（5）车牌检测识别记录

（6）车牌检测识别检测识别记录导出

3、项目说明
环境： Python 3.8 深度学习pytorch PyQt5图形化界面 LPRNet车牌识别算法 YOLOv8

技术栈： 本车牌识别系统是基于深度学习的，使用yolox进行车牌检测，然后通过LPRnet进行车牌识别。

车牌检测模型目前包含yolox和yolov8，而且yolov8中包含个人修改的添加注意力机制的yolov8

车牌OCR识别模型：LPRNet
数据集：CCPD2019、CCPD2020数据集
其中资源包括：python、pycharm、cuda、torch等

环境： Python 3.8 深度学习pytorch PyQt5图形化界面 LPRNet车牌识别算法 YOLOv8

技术栈： 本车牌识别系统是基于深度学习的，使用yolox进行车牌检测，然后通过LPRnet进行车牌识别。
车牌检测模型包含下面几种：yoloX、yolov8
车牌检测模型目前包含yolox和yolov8，而且yolov8中包含个人修改的添加注意力机制的yolov8，可以用来作为本项目的创新点。

车牌OCR识别模型：LPRNet
数据集：CCPD2019、CCPD2020数据集

本算法，支持识别蓝盘和绿牌识别，黄牌因没有数据集，目前还不支持。算法不是调包，都是自己进行模型训练，到时候可以根据自己的数据集，进行训练。也可以更换检测模型。

基于深度学习的车牌识别系统

识别单张图片
   系统允许选择图片文件进行识别，点击图片选择按钮图标选择图片后，显示所有识别的结果，本功能的界面展示如下图所示：
识别单张图片

识别文件夹下所有图片
   系统允许选择整个文件夹进行识别，选择文件夹后，自动遍历文件夹下的所有图片文件，并将识别结果实时显示在右下角的表格中，本功能展示效果如下：
识别文件夹下所有图片

识别视频
   很多时候我们需要识别一段视频中的车牌，这里设计了视频选择功能。点击视频按钮可选择待检测的视频，系统会自动解析视频，逐帧识别多个车牌，并将结果记录在右下角表格中，效果如下图所示：
识别视频

导出识别结果
   本系统还添加了对识别结果的导出功能，方便后续查看，目前支持导出 csv 和 xls 两种数据格式，功能展示如下：
识别结果保存为csv、xls

4、核心代码

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻