本文将带你了解如何使用 SmartJavaAI 快速搭建一套完整的车牌检测与识别系统，无需理解底层模型，也无需手动处理繁琐的预处理/后处理逻辑。

SmartJavaAI是什么？

SmartJavaAI是专为JAVA 开发者打造的一个功能丰富、开箱即用的 JAVA AI算法工具包，致力于帮助JAVA开发者零门槛使用各种AI算法模型，开发者无需深入了解底层实现，即可轻松在 Java 代码中调用人脸识别、目标检测、OCR 等功能。底层支持包括基于 DJL (Deep Java Library) 封装的深度学习模型，以及通过 JNI 接入的 C++/Python 算法，兼容多种主流深度学习框架如 PyTorch、TensorFlow、ONNX、Paddle 等，屏蔽复杂的模型部署与调用细节，开发者无需了解 AI 底层实现即可直接在 Java 项目中集成使用，后续将持续扩展更多算法，目标是构建一个“像 Hutool 一样简单易用”的 JAVA AI 通用工具箱

## 车牌识别

车牌识别（License Plate Recognition, 简称 LPR）是一种基于计算机视觉的技术，用于自动检测图像或视频中的车牌位置，并识别车牌上的字符信息，通常包括省份简称、字母和数字等内容

🚀 快速开始

我们使用 SmartJavaAI来实现车牌识别

1、引入 Maven 依赖

在项目的pom.xml的dependencies中加入以下内容（全部功能），也可以根据需求单独引入OCR模块，具体可以查看 SmartJavaAI官方文档

<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-all</artifactId>
    <version>1.0.22</version>
</dependency>

---

2、模型简介下载

支持的车牌检测模型如下：

模型名称	模型简介	模型开源网站
YOLOV5	基于YOLOV5训练，支持12种中文车牌	Github
yolov7-lite-t	（超小型模型）YOLOv7-Lite 架构的轻量级车牌检测模型	Github
yolov7-lite-s	YOLOv7-Lite 架构的轻量级车牌检测模型	Github

支持的车牌识别模型如下：

模型名称	模型简介	模型开源网站
PLATE_REC_CRNN	CRNN中文字符识别	Github

3、车牌识别流程：

车牌检测 -> 车牌矫正 -> 车牌识别

4、获取车牌检测模型：

PlateDetModelConfig config = new PlateDetModelConfig();
config.setModelEnum(PlateDetModelEnum.YOLOV5);
config.setModelPath("/model/plate/yolov5_plate_detect.onnx");
config.setDevice(device);
PlateDetModel plateDetModel = PlateModelFactory.getInstance().getDetModel(config);

PlateDetModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	CommonDetModelEnum	是	无	车牌检测模型枚举
modelPath	String	是	无	检测模型路径，需手动指定
confidenceThreshold	float	否	0.3f	置信度阈值
iouThreshold	float	否	0.5f	iou阈值
topK	int	否	100	检测结果数量
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

5、获取车牌识别模型：

PlateRecModelConfig recModelConfig = new PlateRecModelConfig();
recModelConfig.setModelEnum(PlateRecModelEnum.PLATE_REC_CRNN);
recModelConfig.setModelPath("/model/plate/plate_rec_color.onnx");
recModelConfig.setPlateDetModel(getPlateDetModel());
return PlateModelFactory.getInstance().getRecModel(recModelConfig);

PlateDetModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	CommonDetModelEnum	是	无	车牌识别模型枚举
modelPath	String	是	无	检测模型路径，需手动指定
plateDetModel	PlateDetModel	是	无	车牌检查模型
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

6、车牌识别方法

调用车牌识别方法将自动完成：车牌检测+车牌矫正+车牌文字识别

PlateRecModel plateRecModel = getPlateRecModel();
R<List<PlateInfo>> result = plateRecModel.recognize("src/main/resources/plate/Quicker_20220930_180856.png");
if(result.isSuccess()){
    log.info("车牌识别结果：{}", JsonUtils.toJson(result.getData()));
}else{
    log.error("车牌识别失败：{}", result.getMessage());
}

车牌识别方法（裁剪后图片）

R<List<PlateInfo>> recognizeCropped(Image image);

识别并绘制识别结果

PlateRecModel plateRecModel = getPlateRecModel();
R<Void> result = plateRecModel.recognizeAndDraw("src/main/resources/plate/single_green.jpg", "output/plate_recognized2.jpg");
if(result.isSuccess()){
    log.info("车牌识别成功");
}else{
    log.error("车牌识别失败：{}", result.getMessage());
}

PlateInfo字段说明

• 返回并非json格式，仅用于字段讲解

[
  {
    "plateType": "SINGLE", //车牌类型：SINGLE-单层，DOUBLE-双层
    "plateNumber": "川A8H458", //车号
    "plateColor": "蓝色", //车牌颜色
    "detectionRectangle": {
      "x": 424,
      "y": 298,
      "width": 243,
      "height": 130
    },
    "box": {
      "topLeft": {
        "x": 424.96429443359375,
        "y": 351.9092102050781
      },
      "topRight": {
        "x": 646.1655883789062,
        "y": 297.97735595703125
      },
      "bottomRight": {
        "x": 669.95361328125,
        "y": 376.01025390625
      },
      "bottomLeft": {
        "x": 445.5194091796875,
        "y": 427.5689392089844
      }
    },
    "score": 0.9076154
  }
]

项目地址

• 完整代码地址：examples
• SmartJavaAI 开发文档：官方文档
• SmartJavaAI Gitee开源地址：Gitee
• SmartJavaAI Github开源地址：Github
• SmartJavaAI GitCode开源地址：GitCode

---