简介这是一套面向智能交通与安防监控方向开发者的车牌识别实战资源将YOLOv8目标检测、Tesseract OCR字符识别与海康摄像头接入流程整合为可运行项目。资源共61个文件其中包含6个Python训练与推理脚本、数据集标注文件、YOLO权重配置、服务端代码、2段测试视频、GIF演示图及说明文档压缩包大小约831.95MB目录结构清晰便于按模块学习。目前已有424人学习下载。读者可通过源码与配套说明了解车牌定位、字符识别、RTSP视频流接入、模型训练与调优的完整链路并结合实际摄像头完成从数据准备到实时识别的落地实践与调试优化。资源还提供了数据库初始化脚本与部署服务配置适合有一定深度学习基础并希望将模型与硬件设备结合的中高级开发者。1. 车牌识别项目实战YOLOv8Tesseract-OCR海康摄像头这套组合能做什么把一套车牌识别从“能演示”做成“能上线”最常卡住的不是检测模型而是识别那最后一步。这个项目用 YOLOv8 负责在画面里找到车牌用 Tesseract-OCR 负责把车牌上的字符读出来前面再接一个海康摄像头做实时取流正好凑成一条不用手写一堆图像处理算法、又能自己掌控每一步的实战管线。它适合毕业设计、园区出入口改造、停车场道闸 Demo如果你正想找一套带项目源码的 YOLOv8 实战来抄这篇文章就把骨架、代码、参数和坑一起讲透。2. 先拆系统再写代码一张车牌从摄像头到文本要经过哪五步2.1 一条流水线抓拍、检测、定位、裁剪、识别车牌识别不是“一个模型全干”而是五个环节串起来的流水线。海康摄像头负责把物理世界的画面变成视频流拉帧程序从 RTSP 流里取出一帧YOLOv8 在这一帧上画出车牌框程序按框把车牌区域裁剪成小图最后 Tesseract-OCR 才在这张小图上读字符。很多人一上来就调 OCR 的参数结果识别率上不去原因往往在检测框太松、裁剪图太糊前面两步已经把后面的路堵死了。环节输入输出承担者取流摄像头 RTSP 流单帧 BGR 图像OpenCV / FFmpeg检测单帧图像车牌框坐标YOLOv8裁剪原图 坐标车牌小图Python 切片预处理车牌小图二值图 / 放大图OpenCV识别预处理图字符串Tesseract-OCR我习惯把这套流程做成一个独立脚本而不是堆在 Jupyter 里。原因很简单项目源码后期要接到道闸、数据库、消息队列上流程被封装成函数后面每一步改动都只动一个函数不会牵一发动全身。2.2 为什么是 YOLOv8传统方法也能检测但鲁棒性差一截车牌检测传统做法是灰度化、边缘检测、形态学闭运算、找外接矩形再用宽高比过滤。这套方法在固定机位、固定光线的停车场里能跑但车灯一开、雨天反光、车牌倾斜边缘检测就碎成一片。YOLOv8 是目标检测模型它学习的是“车牌在画面里长什么样”的整体特征灯影、泥点、反光对它的干扰远小于对边缘算法的干扰。选型号时看你的机器。YOLOv8n 只有 3MB 左右CPU 上跑一帧能做到几十毫秒YOLOv8s 精度更高但 GTX 1660 Ti 这种显卡跑起来大概 20 到 30 帧CPU 就吃力了。我的建议是先拿 YOLOv8n 把流程跑通把识别率瓶颈找出来再决定要不要换大模型。这一步很关键因为车牌识别的最终准确率往往卡在 OCR 而不是检测换大模型可能白花钱。值得一提的是YOLOv8 的 Python 接口非常省事model(frame)直接返回检测结果坐标、置信度、类别都在里面。对不熟深度学习的读者来说它像是一个高级工具函数你不用关心网络结构也能用。但要理解它的输出格式结果是 xyxy 归一化坐标、置信度、类别三个数组后面裁剪和过滤全靠这三个数组。2.3 Tesseract-OCR 的边界它不是为车牌而生但用对姿势就够Tesseract-OCR 原本是给扫描文档设计的擅长白底黑字、横向排版的印刷体。车牌长什么样蓝底白字、黄底黑字、绿色渐变底黑字还有汉字和字母数字混排。直接拿原图喂给 Tesseract十个里面能认错八个。所以这个项目里 OCR 不是主角预处理才是。你需要接受一个事实Tesseract 对“图”很挑剔。它喜欢高对比度、字符清晰、笔画粗细均匀、没有倾斜的图。而车牌恰好是一个强约束场景——字符集有限、位置固定、字体统一。这就给了我们两条路一是把图预处理到 Tesseract 的舒适区二是用白名单把可识别字符锁死。两条路都走识别率能到 90% 以上。有人问为什么不直接用 PaddleOCR。PaddleOCR 的中文识别能力确实强但模型体积大、依赖多、推理速度慢在 RK3588、树莓派这类边缘设备上部署成本高。Tesseract 是 C 写的pip 一行装上离线可用配合白名单在车牌这种固定场景里够用。如果哪天你发现 Tesseract 怎么调都压不住错误率再考虑换 PaddleOCR 也不迟。2.4 海康摄像头能抓 RTSP 流就别碰 SDK海康威视摄像头买回来最常见的接入方式有两种SDK 和 RTSP。SDK 功能最全能发现设备、调云台、抓回放但要在 Windows/Linux 上装它的库还要处理设备序列号、端口映射、回调函数一堆东西跨平台时尤其痛苦。而且 SDK 一旦升级接口变动就能让你重写一遍代码。RTSP 是标准协议OpenCV 的VideoCapture直接吃 RTSP 地址等于把摄像头当成一个网络视频源。海康摄像头的 RTSP 地址会直接相中主码流和子码流这是后面调试必用的。主码流分辨率高、码率大适合识别子码流分辨率低、帧率高适合实时预览和快速检测。实战里我通常并行拉两路子码流做持续检测检测到车牌后切到主码流那一帧做识别。这个方案能省不少 CPU。海康网页后台能直接看到主码流和子码流的配置改分辨率、帧率、码率都在“配置 音视频 视频编码”里。别小看这一节很多新手卡在第一行取流代码就是因为不知道 RTSP 地址里要带上摄像头的登录用户名和密码也不知道地址末尾的 101/102 代表哪条流。3. 把环境一次装顺Ubuntu 20.04 上的 YOLOv8、Tesseract、海康 RTSP 取流3.1 Ubuntu 20.04 搭建 YOLOv8 环境CPU 版和 GPU 版两条命令路径先装 Python 虚拟环境再装 PyTorch最后装 ultralytics。网上很多教程把三步混成一条命令出了问题根本不知道是哪一步的锅。我习惯分开执行。# 创建虚拟环境Python 3.8 以上都行 python3 -m venv venv source venv/bin/activate # CPU 版 PyTorch pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu # GPU 版的话先装驱动再装对应 CUDA 的 PyTorch # 这里以 CUDA 11.8 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 装上 YOLOv8 本体 pip install ultralytics opencv-python注意CPU 版和 GPU 版二选一不要两个都装。装完验证一下python -c import torch; print(torch.__version__, torch.cuda.is_available())这段输出的后半段CPU 机器是 FalseNVIDIA 显卡机器是 True。如果装的是 CPU 版却想跑 GPUtorch.cuda.is_available()会一直是 False后面的训练速度会慢到怀疑人生。我见过有人在 GTX 1660 Ti 上跑了几小时训练最后发现 torch 是 CPU 版这种血泪教训尽量避免。新机器上我还会顺手装numpy和pandas后面处理数据集和统计识别率要用。注意ultralytics 会自动依赖一部分 numpy但版本可能冲突装完先跑一次import ultralytics报错再按提示调版本。3.2 安装 Tesseract-OCR别漏掉中文语言包Tesseract 在 Ubuntu 上直接 apt 安装包名别写错。很多教程只让你装tesseract-ocr结果识别中文车牌时全变成乱码因为没有装中文语言包。sudo apt update sudo apt install -y tesseract-ocr tesseract-ocr-chi-sim tesseract-ocr-eng pip install pytesseracttesseract-ocr-chi-sim是简体中文语言包tesseract-ocr-eng是英文。车牌里有省份汉字比如“京”“沪”“粤”这些字属于中文语言包字母和数字属于英文语言包。只装英文包汉字全部读不出来只装中文包字母数字又容易误判。装完跑一下版本检查和语言列表tesseract --list-langs输出里应该同时出现eng和chi_sim。如果只有eng说明中文包没装上重新检查包名。pytesseract 是 Python 调用 Tesseract 的桥它不包含 Tesseract 本体所以两个都要装。3.3 海康摄像头设置 RTSP 地址先用手里的播放器验证两条码流海康网络摄像头的 RTSP 地址有固定格式不同固件略有差异最通用的是这一种rtsp://用户名:密码摄像头IP:554/Streaming/Channels/101其中 101 是主码流102 是子码流。部分新固件还支持 ISAPI 路径rtsp://用户名:密码摄像头IP:554/ISAPI/Streaming/Channels/101我不建议直接跳进代码先在终端用 ffprobe 验证地址通不通ffprobe -rtsp_transport tcp -v error -show_entries formatduration -i rtsp://admin:你的密码192.168.1.64:554/Streaming/Channels/101能输出 duration 就说明链路通。-rtsp_transport tcp这一步特别重要默认 UDP 传输在跨网段、弱网环境会花屏、断流TCP 传输稳定得多。你把这个参数记下来后面 OpenCV 里也要对应设置。我用 ffprobe 验证有两层目的一是确认账号密码、IP 没写错二是确认 101 主码流和 102 子码流分别指向哪路画面。有些摄像头 101 是 1080P102 是 D1 分辨率分辨率设置不对会直接影响检测效果。3.4 第一次跑通 YOLOv8用一张抓拍图验证检测坐标环境装完先别接摄像头用一张现成的车辆图片验证模型能跑。Ultralytics 提供了预训练权重代码里直接YOLO(yolov8n.pt)会自动下载首次自动下载需要网络后续离线可用。但预训练模型的类别里有 80 种物体包括“car”和“truck”它并不专门检测车牌。所以这一步只是验证环境真正检测车牌要用你自己训练或项目源码里自带的权重。from ultralytics import YOLO model YOLO(yolov8n.pt) results model(car.jpg, conf0.5, saveTrue) boxes results[0].boxes for box in boxes: x1, y1, x2, y2 box.xyxy[0].tolist() cls int(box.cls[0]) conf float(box.conf[0]) print(x1, y1, x2, y2, cls, conf)这段代码做两件事跑一次推理并保存标注图打印所有检测框的坐标、类别索引和置信度。xyxy是原图像素坐标可以直接用来裁剪cls对照 COCO 类别名2 是 car7 是 truck。如果你发现打印出来的cls里有车辆但没车牌框说明预训练模型不产出车牌类别这正是后面要训练自定义检测模型的原因。这一步跑通环境就没什么大问题了。4. 核心代码实战海康拉帧、YOLOv8 检测、车牌预处理到 Tesseract 识别的完整管线4.1 海康 RTSP 拉帧写一个不会卡死的取流线程cv2.VideoCapture(rtsp_url)直接在主循环里read()最简单的写法也是最容易翻车的写法网络一跳帧read()就阻塞程序像死了一样。我一般用生产者-消费者模式一个线程持续拉帧放进队列主线程从队列取最新的帧。import cv2 import threading import queue import time class RTSPCapture: def __init__(self, url, buffer_size2): self.url url self.cap None self.q queue.Queue(maxsizebuffer_size) self.running False self.thread None def _open(self): # 二次尝试打开 RTSP用 TCP 传输减少花屏和断流 self.cap cv2.VideoCapture(self.url, cv2.CAP_FFMPEG) self.cap.set(cv2.CAP_PROP_BUFFERSIZE, 2) def _reader(self): while self.running: if self.cap is None: self._open() ok, frame self.cap.read() if not ok: self.cap.release() self.cap None time.sleep(1) continue # 队列满就把最旧的一帧丢掉保证读到的尽量是新帧 if self.q.full(): try: self.q.get_nowait() except queue.Empty: pass self.q.put(frame) def start(self): self.running True self.thread threading.Thread(targetself._reader, daemonTrue) self.thread.start() def get_frame(self): try: return self.q.get_nowait() except queue.Empty: return None这段代码把底层read()阻塞的问题隔离在线程里主程序随时能拿到最新一帧。buffer_size2是因为实时识别不需要缓存一堆历史帧反而会越积越卡丢旧帧的逻辑保证了延迟可控。CAP_FFMPEG让 OpenCV 走 FFmpeg 后端对 RTSP 兼容性比默认后端好。注意海康摄像头主动断开、网络抖动、密码错误都会让read()返回False。上面的_reader里做了释放重连但如果你在独立脚本里测试可以先把断流重连去掉等确认链路稳定后再加回这样排错更容易。4.2 YOLOv8 检测车牌并把目标裁出来拿到帧之后把它喂给 YOLO 模型。如果你的项目源码里有训练好的车牌权重直接加载那个 best.pt如果还没有先用自己的数据训练一个或者用开源的预训练车牌模型。下面的代码假设你的模型只有一个类别就是“plate”。from ultralytics import YOLO plate_model YOLO(best.pt) def detect_plate(frame): results plate_model(frame, conf0.5, iou0.45, verboseFalse) boxes results[0].boxes if boxes is None or len(boxes) 0: return None # 取置信度最高的那个框 idx int(boxes.conf.argmax()) x1, y1, x2, y2 boxes.xyxy[idx].tolist() conf float(boxes.conf[idx]) x1, y1, x2, y2 int(x1), int(y1), int(x2), int(y2) # 防止坐标越界 h, w frame.shape[:2] x1, y1 max(0, x1), max(0, y1) x2, y2 min(w, x2), min(h, y2) if x2 - x1 10 or y2 - y1 10: return None crop frame[y1:y2, x1:x2] return crop, (x1, y1, x2, y2), confconf0.5的意思是置信度低于 0.5 的框直接丢弃。调这个参数要理解背后的取舍调高会减少误检但也会放过一些被遮挡、模糊的车牌调低会召回更多车牌但会把车尾、反光板当成车牌。我习惯在白天先跑 0.5晚上降到 0.35后面避坑章节细说。裁出来的crop就是后面预处理的输入。有个细节容易被忽略boxes.xyxy是浮点数一定要先int()再切片直接拿浮点坐标切片 OpenCV 会报错或者裁出奇怪的结果。这个坑我踩过不止一次。4.3 车牌预处理灰度、反色、放大和形态学一步都不能少这是整个项目里最像“玄学”的部分。有人拿原图直接 OCR 识别率低做完预处理就上去了中间的每个步骤都有明确目的但组合起来的效果却很难一眼看穿。我把常用的一套流程拆成代码import cv2 import numpy as np def preprocess_plate(crop): # 统一放大到宽度 440高度按原比例 h, w crop.shape[:2] target_w 440 target_h int(h * target_w / w) crop cv2.resize(crop, (target_w, target_h), interpolationcv2.INTER_CUBIC) # 转 HSV提取蓝色区域作为车牌底 hsv cv2.cvtColor(crop, cv2.COLOR_BGR2HSV) blue_mask cv2.inRange(hsv, (100, 100, 50), (130, 255, 255)) # 形态学闭运算把蓝色底上的白色字符裂纹填起来 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) blue_mask cv2.morphologyEx(blue_mask, cv2.MORPH_CLOSE, kernel) # 蓝色区域为白底字符自然变成黑字 return blue_mask这一步的思路是车牌本身是蓝底白字如果用 HSV 把蓝色提取出来得到的二值图里蓝色底变成白色白色字符变成黑色正好是 Tesseract 最喜欢的“白底黑字”。放大到宽度 440 是因为 Tesseract 在小图上识别率极差字符至少要占几十个像素才算清晰。HSV 阈值(100, 100, 50)到(130, 255, 255)是针对蓝牌的。如果你是黄牌教练车、大型车阈值要换成黄色范围新能源绿牌要换成绿色范围。方法不变改范围就行。我见过有人把彩色车牌直接灰度化后反色出来的图噪声大得没法看问题就出在没有做颜色约束背景里的蓝天、蓝车全被当成车牌底色了。4.4 Tesseract 识别PSM、白名单和语言包的组合预处理之后调用 Tesseract 本身只有一行但参数配置决定成败import pytesseract def ocr_plate(binary_img): config ( --psm 7 -c tessedit_char_whitelist 京津沪渝冀豫云辽黑湘皖鲁新苏浙赣鄂桂甘晋蒙陕吉闽贵粤青藏川宁琼使领 ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789 ) text pytesseract.image_to_string(binary_img, langengchi_sim, configconfig) return text.strip()--psm 7告诉 Tesseract这一整张图就是一行文字不用费劲去做版面分析。这是车牌识别里最重要的一个参数默认的 PSM 3 会把一行车牌当成多块文本输出乱序或加空格。tessedit_char_whitelist是字符白名单。车牌上只会出现这些内容31 个省份汉字、24 个大写字母I 和 O 在车牌里不用但白名单里留着字母序号问题不大、10 个数字。锁死白名单后Tesseract 不会输出任何不在名单里的字符错别字概率大幅下降。langengchi_sim同时启用英文和中文语言包。注意如果白名单里有汉字但 lang 里没加chi_sim汉字就会全部识别失败。运行时会报警告说某些语言数据缺失那就是语言包装错了。白名单这一招还有副作用如果图像里混入噪声Tesseract 也会强行从白名单里选字符所以不是白名单越长越好。实际工程里我会针对省份做进一步约束比如项目只在北京用白名单汉字就只剩“京”识别率能再提一截。4.5 串起来跑一条主循环代码把上面几个函数拼起来就是一个最小的可运行程序while True: frame capture.get_frame() if frame is None: continue result detect_plate(frame) if result is None: continue crop, box, conf result binary preprocess_plate(crop) plate_text ocr_plate(binary) if plate_text: print(plate_text, conf) if cv2.waitKey(1) 0xFF ord(q): break主循环逻辑不复杂拿帧、检测、裁剪、预处理、识别、打印。实际项目里会在print的位置接上报过滤逻辑比如同一辆车连续 5 帧识别结果一致才输出防止闪烁造成重复记录。这里有一个性能取舍检测和 OCR 都是阻塞操作加起来大约几十毫秒到几百毫秒。对道闸场景来说车辆是低速通过的每秒处理 5 帧足够对高速卡口来说这个方案就不合适了要换硬件加速和更高帧率的抓拍。项目源码里一般会在这一层加“检测到车牌才做 OCR”的开关避免每帧都跑 OCR 浪费 CPU。这个开关看着不起眼却能让整个程序的 CPU 占用掉一半以上。5. 车牌识别避坑指南夜晚不灵敏、分辨率保存失败、断流和 OCR 乱码5.1 海康威视摄像头夜晚不灵敏车灯过曝、反光让 OCR 全乱现象白天识别正常到了晚上漏检变多检测到了车牌也读错0 和 8 乱跳。车辆开近时车灯把车牌照成一片白。原因监控摄像头默认的自动曝光和自动增益会为了照顾整体画面亮度把车灯区域压暗或者把车牌区域过曝。车牌本身是反光材质近光灯一照字符和底色的对比度瞬间被抹平。这属于前端成像问题靠后端算法很难完全救回来。解决分三路走。第一路是摄像头端在海康网页后台开启宽动态WDR并把曝光模式改成区域曝光优先保证画面中间偏下区域的亮度第二路是在拉帧后加一个 CLAHE 对比度增强让字符边缘重新立起来第三路是检测参数上把conf从 0.5 降到 0.35因为夜晚车牌画面模糊模型输出的置信度天然偏低阈值太高等于直接放弃夜间识别。# CLAHE 在预处理前的增强只针对夜间的低对比度帧 clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) enhanced clahe.apply(gray)我一般只对夜间帧做增强白天做了反而会放大噪点。判断白天黑夜可以用平均亮度简单阈值也可以用摄像头时间戳哪种顺手用哪种。5.2 海康摄像头分辨率设置保存不了主码流和子码流在打架现象在网页后台把分辨率从 1080P 改成 4MP点“保存”提示成功刷新后还是 1080P或者在主码流里改了 4MP子码流分辨率跟着乱跳。原因海康摄像头的编码模板里主码流和子码流是两套独立配置但某些型号对“主码流分辨率不能低于子码流”有限制。如果你先把子码流设置成 1080P再想给主码流设 4MP 是没问题的反过来主码流只想设 720P但子码流已经被设成 1080P保存就会失败因为你主码流比子码流还低。解决按这个顺序操作先在“配置 音视频 视频编码”里把子码流分辨率调到最低比如 CIF保存再改主码流到目标分辨率保存最后把子码流改回来。改完后在本地用 ffprobe 拉一下 RTSP看Stream: Video: ... 1920x1080这类输出确认实际生效的是不是你设的分辨率。这个坑特别隐蔽因为网页端报错并不明显只是悄悄“保存失败”。项目接入时我习惯先记录一版主码流和子码流的分辨率基线后续排查画面模糊、识别率下降的问题直接对比 RTSP 实际输出和期望配置能省掉半天调试时间。5.3 RTSP 断流卡死换 TCP 传输并加重连现象程序刚启动能识别跑半小时或一晚上后画面卡住日志停在同一帧CPU 占用却很高。重启程序又能恢复。原因摄像头默认 UDP 传输 RTSP弱网下丢包严重OpenCV 的read()在等待下一帧时会一直阻塞线程里没有超时机制整个取流线程就挂住了。还有些情况是摄像头做了空闲连接自动断开比如没有客户端拉流 30 秒后主动关闭编码器。解决双管齐下。第一所有取流的地方显式指定 TCPcv2.VideoCapture(url, cv2.CAP_FFMPEG)之后用cap.set(cv2.CAP_PROP_RTSP_TRANSPORT, cv2.CAP_PROP_RTSP_TRANSPORT_TCP)或者在上面的自定义类里改成 FFmpeg 选项。第二read()返回False时释放当前 cap 并重新建立连接重连之间 sleep 1 秒防止高频重试把摄像头打挂。重连还有一个容易被忽视的细节摄像头 IP 由 DHCP 分配时断电后 IP 可能变掉程序重连还是老地址。项目要稳定运行摄像头 IP 务必在设备端固定并且在代码里把 IP 做成配置文件而不是写死。5.4 Tesseract 把 0 读成 O、1 读成 I白名单之外还有三个细节现象识别结果里数字和字母混淆比如京A0B123读成京AOB1231读成I。白名单已经限制了字符集但混读仍然存在。原因白名单只是把输出限制在集合内Tesseract 对这个集合里的相似字形仍然会犹豫。0 和 O 在车牌字体里确实像1 和 I 在无衬线字体里也接近。另一个常见原因是没有放大图像字符太小细节特征丢失。解决三个细节叠加。一是预处理时把车牌图宽度放大到 440 以上字符高度至少 40 像素二是对二值图再做一次“去孤立噪点”用 OpenCV 的连通域分析把面积小于 20 像素的连通域涂掉防止噪点在白名单里“猜”出一个字符三是后处理环节做规则修正比如车牌第二位是字母的常识中国大陆车牌第 2 位是省份字母实际是英文字母如果识别结果第 2 位是数字 0 或 1就替换成 O 或 I。这类规则看着粗暴但在固定场景里非常有效。def fix_plate_rule(text): if len(text) 2: return text text list(text) if text[1] 0: text[1] O elif text[1] 1: text[1] I return .join(text)注意规则只在你确认业务场景时才能加。全国通用、自由通行场景下第二位也有可能是数字不对按现行大陆车牌标准第二位确实是字母但这个规则最好做成可配置项别写死在核心代码里。5.5 模型不认黄牌和新能源车牌自己标数据、转格式、重新训练现象预训练模型或者项目自带的权重在蓝牌上表现很好遇到黄牌教练车、大型车、绿牌新能源直接漏检。车头是全的车牌就在正中间模型就是没框出来。原因检测数据里蓝牌占绝对多数模型学到的“车牌”特征实际上偏向蓝色车牌。黄色车牌和绿色车牌的纹理、颜色、对比度分布完全不同模型把它们归为背景了。这是典型的数据集分布问题不是模型结构问题。解决收集你自己的场景数据用 Labelme 标注再转成 YOLO 格式重新训练。Labelme 标出来的是多边形或多矩形YOLO 需要的是归一化的中心坐标和宽高两者格式不一样要写个转换脚本。# 数据集目录结构YOLO 训练默认按这个组织 datasets/plate/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml# data.yaml path: datasets/plate train: images/train val: images/val names: 0: plate训练命令用 ultralytics 一条跑完yolo detect train modelyolov8n.pt datadatasets/plate/data.yaml epochs100 imgsz640 batch16这里提醒几个训练参数的含义epochs100决定训练轮数数据量大可以减到 80数据少反而要加正则imgsz640是输入尺寸车牌目标不算小640 够用不需要 1280否则训练和推理都会明显变慢batch16在 1660 Ti 这类 6GB 显存卡上偏大爆显存就减到 8。训练完成后看runs/detect/train/results.png重点看val_box_mAP50这条曲线mAP50 到 0.95 以上基本就够用。标数据建议只标车牌本体不要标进“车头”区域否则模型学到的边界是错的裁剪出来的图会带一圈无关背景直接影响 OCR。我在第一次标数据时就犯过这个错裁剪图带了半块保险杠Tesseract 把保险杠上的纹理也当成字符了。6. 让它从“能跑”变成“能用”准确率统计与三个必调参数6.1 先算字符级准确率100 张图里有多少字符读对了很多项目验收只看“检测到车牌没有”但车牌识别真正要考核的是“字符对不对”。我习惯准备 100 张不同光线、不同角度的实拍图手工标注正确车牌再跑一遍识别用 Levenshtein 距离算字符级准确率。from rapidfuzz import distance def char_accuracy(gt, pred): if len(gt) 0: return 1.0 if len(pred) 0 else 0.0 return 1 - distance.Levenshtein.distance(gt, pred) / len(gt)Levenshtein 距离把“插入、删除、替换”都算一次编辑1 - 编辑距离/真实长度就是字符正确率。一辆真实车牌京A12345被识别成京A1234长度 7 编辑距离 1准确率约 0.857。这个指标比“整串完全正确率”更敏感能告诉你错在哪一位。如果你统计结果是第 1 位汉字错得多说明 charset 训练不足或语言包缺失第 2 位字母错得多重点查 0/O、1/I 混读末位数字错得多通常是图像模糊或闪烁。6.2 上线前只动这三个参数conf、psm、预处理尺寸这三个参数是整个项目里投入产出比最高的调优点。conf管漏检和误检的平衡白天 0.5、夜间 0.35按时间段切换比固定值强psm固定用 7不要尝试 3 或 6多行排版逻辑在车牌场景只会帮倒忙预处理放大宽度 440 是一个甜点位太小字符糊太大 Tesseract 处理变慢且会引入边缘锯齿。参数推荐值调高/调低的效果conf0.35~0.5调低召回多、误检多调高干净但漏检--psm7固定单行文本禁止自动版面分析放大宽度440过小识别率骤降过大耗时上涨我自己第一次把这套方案推上线时最深刻的教训就是“先调参、别重构”。当时想让识别率更高花了两周改预处理算法最后发现最明显的提升来自把放大宽度从 320 提到 440顺便把夜间 conf 调到 0.35。从那以后接手任何识别项目我都先跑参数实验再考虑换算法。这三板斧如果你也想省点时间建议直接按表格里的起点试然后围绕各自的 20% 范围再微调。希望帮到你。本文还有配套的精品资源点击获取