基于YOLO与CRNN的车牌识别系统：从算法原理到工程实践全解析-开发者社区

简介：这是一套面向计算机、人工智能及相关专业学生与教师的高分毕业设计级车牌识别实践项目，基于深度学习实现端到端车牌检测与识别，并集成可视化GUI界面，适用于课程设计、毕设开发与算法入门进阶。资源包共2000个文件，含1942张标注车牌图像（jpg/png）、40张辅助测试图、7个核心Python脚本（含模型训练、推理、GUI逻辑）、7个PASCAL VOC格式XML标注文件及说明文档，整体压缩后265.61MB，结构清晰、模块解耦，便于理解数据预处理、YOLOv5目标检测与CRNN文本识别的协同流程。已有671人下载学习，项目经答辩实测验证，评分高达98分，代码完整可运行，附带真实陕A开头多场景车牌样本，涵盖光照变化、倾斜与遮挡等典型挑战，为初学者提供可调试的完整闭环方案，也为进阶者预留模型替换与界面扩展接口。

1. 项目概述：从毕业设计到实用工具

最近几年，带我的几个本科生做毕业设计，发现“基于深度学习的车牌识别”这个选题的热度一直居高不下。这也不难理解，它完美契合了计算机视觉、人工智能和软件工程的交叉点，既有理论深度，又有完整的应用闭环，从数据采集、模型训练到界面开发，能完整地走一遍一个AI项目的全流程。对于学生来说，这是一个绝佳的练手项目，既能展示对深度学习原理的理解，又能体现工程实现能力。我见过太多同学，模型训练得不错，但最后卡在了如何把模型“包装”成一个用户能用的软件上，或者界面做得花里胡哨，识别核心却漏洞百出。所以，今天我想以一个过来人的视角，系统地拆解一下这个项目，不仅告诉你“怎么做”，更重点分享“为什么这么做”以及“怎么做得更好、更稳”。我们最终的目标，是产出一个带图形用户界面（GUI）、识别准确率高、鲁棒性强，并且代码结构清晰、易于扩展的完整系统。这不仅仅是应付毕业设计，更是为你未来从事AI应用开发打下坚实的基础。

2. 核心思路与技术选型解析

做一个车牌识别系统，听起来简单，但拆开来看，它是一条标准的计算机视觉流水线。你的代码需要像流水线上的工人一样，各司其职，协同工作。核心流程无非是：输入图像 -> 定位车牌 -> 分割字符 -> 识别字符 -> 输出结果。但每一步都有多种技术路线，选型决定了项目的天花板和实现的复杂度。

2.1 为何选择“检测+识别”两阶段方案？

最直观的方案是“端到端”识别，即输入整张图片，直接输出车牌号码。这在学术研究上很热门，但对于毕业设计项目，我强烈不建议。原因有三：第一，端到端模型对数据量和质量要求极高，学生难以获取足够多且标注精准（需要 bounding box 和字符序列）的数据集；第二，模型复杂，训练时间长，对硬件要求高，容易在有限的毕业设计周期内“翻车”；第三，可解释性和可调试性差，一旦识别错误，你很难定位是定位出了问题，还是某个字符认错了。

因此，“先检测，再识别”的两阶段方案是毕业设计的黄金选择。它将一个复杂问题分解为两个相对独立的子问题，降低了单个任务的难度。你可以分别收集车牌检测数据集和字符识别数据集，这两个数据集都比端到端数据集更容易获取和制作。更重要的是，你可以对每个阶段进行独立的优化和调试。比如，发现系统在某个场景下车牌框没框住，那你只需要去优化检测模型或预处理逻辑，而不必动识别部分。

2.2 深度学习模型选型：YOLO + CRNN/CNN

确定了流程，接下来就是为每个阶段挑选合适的“武器”。

1. 车牌检测阶段：YOLO系列是首选车牌检测本质上是一个目标检测任务。在众多检测模型中，YOLO（You Only Look Once）系列因其速度和精度的良好平衡而备受青睐。对于毕业设计，我推荐YOLOv5或YOLOv8。它们社区活跃，有大量预训练模型和详尽的教程，能帮你快速上手。YOLOv5的PyTorch实现非常友好，其清晰的代码结构让你能轻松地用自己的车牌数据去微调（Fine-tune）模型。从v5到v8，模型在精度和效率上有所提升，但核心思想一致。选择哪一个，可以看你更熟悉哪个框架的生态。一个关键提示：不要试图从头训练一个检测模型，那需要海量数据和计算资源。正确做法是，下载一个在通用目标（如COCO数据集）上预训练好的YOLO模型，然后用你准备好的几百张带车牌标注的图片去微调它，这样就能让模型快速学会“什么是车牌”。

2. 字符识别阶段：CRNN是经典，但CNN+CTC/序列模型更灵活检测到车牌区域后，我们需要识别上面的字符。传统方法是先进行字符分割，再单个识别，但这对于模糊、倾斜、光照不均的车牌非常不鲁棒。因此，基于深度学习的序列识别方案成为主流。

CRNN（卷积循环神经网络）：这是该领域的经典网络，它结合了CNN（提取图像特征）和RNN（处理序列依赖，如LSTM），最后接一个CTC（连接主义时间分类）损失函数来处理序列对齐问题。它非常适合识别长度不定的文本序列，是车牌识别的标准答案之一。
基于CNN的序列模型：你也可以用一个更深的CNN（如ResNet）直接提取车牌区域的特征图，然后通过一个序列建模层（如Transformer Encoder）或直接接一个全连接层进行分类（将车牌视为固定长度的字符串，不足位补特殊字符）。这种方法可能更简单直观。

对于毕业设计，我建议从CRNN开始。它的结构经典，相关论文和代码资源丰富，能很好地体现你对“序列识别”这一概念的理解。你可以在GitHub上找到许多CRNN+CTC的实现，用公开的车牌字符数据集（如CCPD）进行训练。

2.3 GUI框架选型：Tkinter vs. PyQt

模型是大脑，GUI是脸面。一个友好、稳定的界面能极大提升项目的完整度和演示效果。Python的GUI库很多，毕业设计常见的有两个：

Tkinter：Python的标准GUI库，最大的优点是无需额外安装，开箱即用。它足够简单，能快速搭建出包含按钮、文本框、图像显示区域的基础界面。如果你的GUI需求只是“选择图片->显示图片->点击识别->显示结果”，那么Tkinter完全够用，且能减少依赖问题，方便答辩时现场演示。
PyQt/PySide：功能强大，界面美观，控件丰富，可以做出非常专业的桌面应用效果。如果你希望界面更漂亮、交互更复杂（比如实时视频流识别），PyQt是更好的选择。但它的缺点是学习曲线稍陡，并且需要单独安装，打包成可执行文件时体积也会更大。

我的建议是：优先使用Tkinter。毕业设计的核心价值在于算法和系统集成，而不是前端界面的炫酷。用Tkinter快速实现功能，把更多时间花在模型调优和代码健壮性上。一个简洁、稳定、功能完整的Tkinter界面，远比一个华丽但bug频出的PyQt界面得分更高。

3. 系统架构与核心模块实现

有了技术选型，我们就可以搭建系统的骨架了。一个健壮的系统应该有清晰的分层和模块化设计，这不仅方便调试，也便于你在答辩时讲解。

3.1 项目目录结构设计

在写第一行代码前，先规划好目录结构。混乱的代码文件堆在一起是毕业设计的大忌。推荐如下结构：

license_plate_recognition/ ├── core/ # 核心算法模块 │ ├── __init__.py │ ├── detector.py # 车牌检测器 (YOLO) │ ├── recognizer.py # 字符识别器 (CRNN) │ └── utils.py # 图像处理工具函数（裁剪、缩放、二值化等） ├── data/ # 数据相关 │ ├── models/ # 存放训练好的模型权重（.pt, .pth） │ │ ├── yolov5s_plate.pt │ │ └── crnn_plate.pth │ └── test_images/ # 测试图片 ├── gui/ # 图形界面模块 │ ├── __init__.py │ └── main_window.py # 主窗口逻辑 ├── config.yaml # 配置文件（模型路径、参数等） ├── requirements.txt # 项目依赖包列表 ├── train_detector.py # 检测模型训练脚本 ├── train_recognizer.py # 识别模型训练脚本 └── main.py # 系统主入口

这样的结构将不同职责的代码分离，core里是纯算法，gui里是界面逻辑，data管理资源。通过config.yaml统一管理路径和参数，比如：

model: detector: ./data/models/yolov5s_plate.pt recognizer: ./data/models/crnn_plate.pth plate: char_list: 0123456789ABCDEFGHJKLMNPQRSTUVWXYZ京沪津渝冀晋蒙辽吉黑苏浙皖闽赣鲁豫鄂湘粤桂琼川贵云藏陕甘青宁新

在代码中读取这个配置，就能避免将路径硬编码在代码里，方便移植和分享。

3.2 车牌检测模块实现要点

在core/detector.py中，我们将封装YOLO检测功能。

import cv2 import torch import numpy as np from models.experimental import attempt_load # YOLOv5的模型加载函数 class PlateDetector: def __init__(self, model_path, device='cpu'): self.device = device # 加载训练好的YOLO模型 self.model = attempt_load(model_path, map_location=device) self.model.eval() # 设置为评估模式 # 获取模型的步长和名称 self.stride = int(self.model.stride.max()) self.names = self.model.module.names if hasattr(self.model, 'module') else self.model.names def preprocess(self, img): """将输入图像预处理为YOLO模型需要的格式""" # 保持宽高比缩放，并在边缘填充灰色 img_resized = letterbox(img, new_shape=640, stride=self.stride)[0] # 转换通道顺序 HWC to CHW, BGR to RGB img_processed = img_resized.transpose((2, 0, 1))[::-1] img_processed = np.ascontiguousarray(img_processed) img_tensor = torch.from_numpy(img_processed).to(self.device) img_tensor = img_tensor.float() / 255.0 # 归一化 if img_tensor.ndimension() == 3: img_tensor = img_tensor.unsqueeze(0) # 增加batch维度 return img_tensor, img_resized def detect(self, img): """执行检测，返回车牌区域的坐标列表""" tensor_img, resized_img = self.preprocess(img) with torch.no_grad(): pred = self.model(tensor_img)[0] # 应用非极大值抑制(NMS)过滤重叠框 pred = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45) plates = [] for det in pred: if len(det): # 将检测框坐标映射回原图尺寸 det[:, :4] = scale_coords(tensor_img.shape[2:], det[:, :4], img.shape).round() for *xyxy, conf, cls in det: if self.names[int(cls)] == 'license_plate': # 假设你的类别名是'license_plate' plates.append({ 'bbox': [int(i) for i in xyxy], 'confidence': float(conf) }) return plates

注意：letterbox,non_max_suppression,scale_coords这些函数是YOLOv5工具函数的一部分，你需要从其官方代码库中引入或自行实现。这里的关键是理解流程：预处理 -> 模型推理 -> 后处理（NMS+坐标映射）。

3.3 字符识别模块实现要点

在core/recognizer.py中，我们实现CRNN识别。

import torch import torch.nn as nn import torchvision.transforms as transforms from PIL import Image class PlateRecognizer: def __init__(self, model_path, char_list, device='cpu'): self.device = device self.char_list = char_list # 字符字典，如'0123456789ABCDEFGHJKLMNPQRSTUVWXYZ京沪...' self.num_class = len(char_list) + 1 # +1 for CTC blank self.model = self._load_model(model_path) self.model.eval() # 定义图像转换：调整大小、转灰度、张量化、归一化 self.transform = transforms.Compose([ transforms.Resize((32, 100)), # CRNN常用输入高度32，宽度按比例缩放 transforms.Grayscale(), transforms.ToTensor(), transforms.Normalize(mean=[0.5], std=[0.5]) ]) def _load_model(self, path): # 这里需要定义或加载你的CRNN模型结构 # 假设有一个定义好的CRNN类 model = CRNN(32, 1, self.num_class, 256) # 高度，通道数，类别数，LSTM隐藏层数 model.load_state_dict(torch.load(path, map_location=self.device)) model.to(self.device) return model def recognize(self, plate_img): """识别单张裁剪出的车牌图像""" # plate_img 是 numpy array (BGR) img_pil = Image.fromarray(cv2.cvtColor(plate_img, cv2.COLOR_BGR2RGB)) img_tensor = self.transform(img_pil).unsqueeze(0).to(self.device) with torch.no_grad(): preds = self.model(img_tensor) # preds shape: (seq_len, batch, num_class) preds = preds.log_softmax(2) # 使用CTC解码获取序列 pred_index = torch.argmax(preds, dim=2) # (seq_len, batch) pred_index = pred_index.squeeze(1).cpu().numpy() # (seq_len,) # 简单的解码：合并重复项，去除空白符(-1) raw_pred = [] last = -1 for idx in pred_index: if idx != last and idx != self.num_class - 1: # 不是空白符 raw_pred.append(idx) last = idx plate_str = ''.join([self.char_list[i] for i in raw_pred]) return plate_str

实操心得：字符识别的准确度极度依赖输入车牌图像的质量。在将裁剪出的车牌送入识别器之前，必须进行一系列预处理，这在core/utils.py中实现。包括：1.透视矫正（如果车牌倾斜）；2.二值化（应对光照不均）；3.去噪。一个鲁棒的预处理流程，有时比换一个更复杂的模型提升更大。

4. GUI界面集成与交互逻辑

有了核心的检测和识别模块，我们就可以用Tkinter把它们“粘合”起来，形成一个完整的应用程序。

4.1 主界面设计与布局

在gui/main_window.py中，我们设计一个简洁的主窗口。

import tkinter as tk from tkinter import filedialog, messagebox, ttk from PIL import Image, ImageTk import cv2 from core.detector import PlateDetector from core.recognizer import PlateRecognizer import yaml class LicensePlateApp: def __init__(self, root): self.root = root self.root.title("基于深度学习的车牌识别系统") self.root.geometry("1000x600") # 加载配置 with open('config.yaml', 'r') as f: self.cfg = yaml.safe_load(f) # 初始化模型（懒加载，第一次使用时初始化） self.detector = None self.recognizer = None self.setup_ui() self.current_image = None def setup_ui(self): # 左侧控制面板 control_frame = tk.Frame(self.root, width=200, relief=tk.RAISED, borderwidth=2) control_frame.pack(side=tk.LEFT, fill=tk.Y, padx=5, pady=5) control_frame.pack_propagate(False) # 固定宽度 tk.Label(control_frame, text="操作面板", font=('微软雅黑', 12, 'bold')).pack(pady=10) self.btn_load = tk.Button(control_frame, text="1. 加载图片", command=self.load_image, height=2, width=15) self.btn_load.pack(pady=5) self.btn_detect = tk.Button(control_frame, text="2. 检测车牌", command=self.detect_plate, state=tk.DISABLED, height=2, width=15) self.btn_detect.pack(pady=5) self.btn_recognize = tk.Button(control_frame, text="3. 识别字符", command=self.recognize_plate, state=tk.DISABLED, height=2, width=15) self.btn_recognize.pack(pady=5) self.btn_clear = tk.Button(control_frame, text="清空重置", command=self.clear_all, height=2, width=15) self.btn_clear.pack(pady=20) # 结果显示区域 result_frame = tk.LabelFrame(control_frame, text="识别结果", padx=10, pady=10) result_frame.pack(pady=10, fill=tk.X) self.result_text = tk.Text(result_frame, height=5, width=20, font=('Consolas', 12)) self.result_text.pack() # 右侧图像显示区域 display_frame = tk.Frame(self.root) display_frame.pack(side=tk.RIGHT, expand=True, fill=tk.BOTH, padx=5, pady=5) self.canvas = tk.Canvas(display_frame, bg='lightgray') self.canvas.pack(expand=True, fill=tk.BOTH) # 状态栏 self.status_var = tk.StringVar() self.status_var.set("就绪") status_bar = tk.Label(self.root, textvariable=self.status_var, bd=1, relief=tk.SUNKEN, anchor=tk.W) status_bar.pack(side=tk.BOTTOM, fill=tk.X) def load_image(self): file_path = filedialog.askopenfilename( title="选择图片", filetypes=[("Image files", "*.jpg *.jpeg *.png *.bmp *.tiff")] ) if not file_path: return self.status_var.set(f"加载中: {file_path}") self.root.update() # 使用OpenCV读取，用于处理 self.current_image = cv2.imread(file_path) if self.current_image is None: messagebox.showerror("错误", "无法读取图片文件！") return # 使用PIL转换并显示在Tkinter Canvas上 img_rgb = cv2.cvtColor(self.current_image, cv2.COLOR_BGR2RGB) img_pil = Image.fromarray(img_rgb) # 等比例缩放以适应画布 canvas_width = self.canvas.winfo_width() or 800 canvas_height = self.canvas.winfo_height() or 500 img_pil.thumbnail((canvas_width, canvas_height), Image.Resampling.LANCZOS) self.tk_image = ImageTk.PhotoImage(img_pil) self.canvas.delete("all") self.canvas.create_image(canvas_width//2, canvas_height//2, anchor=tk.CENTER, image=self.tk_image) self.btn_detect.config(state=tk.NORMAL) self.btn_recognize.config(state=tk.DISABLED) self.result_text.delete(1.0, tk.END) self.status_var.set(f"已加载: {file_path}") self.plate_bboxes = [] # 清空之前检测的框 def detect_plate(self): if self.current_image is None: return self.status_var.set("正在检测车牌...") self.root.update() # 懒加载检测器 if self.detector is None: self.detector = PlateDetector(self.cfg['model']['detector'], device='cpu') self.plate_bboxes = self.detector.detect(self.current_image.copy()) # 在原图上绘制检测框 img_with_boxes = self.current_image.copy() for plate in self.plate_bboxes: x1, y1, x2, y2 = plate['bbox'] cv2.rectangle(img_with_boxes, (x1, y1), (x2, y2), (0, 255, 0), 3) cv2.putText(img_with_boxes, f"{plate['confidence']:.2f}", (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,255,0), 2) # 更新显示 img_rgb = cv2.cvtColor(img_with_boxes, cv2.COLOR_BGR2RGB) img_pil = Image.fromarray(img_rgb) canvas_width = self.canvas.winfo_width() or 800 canvas_height = self.canvas.winfo_height() or 500 img_pil.thumbnail((canvas_width, canvas_height), Image.Resampling.LANCZOS) self.tk_image = ImageTk.PhotoImage(img_pil) self.canvas.delete("all") self.canvas.create_image(canvas_width//2, canvas_height//2, anchor=tk.CENTER, image=self.tk_image) if self.plate_bboxes: self.btn_recognize.config(state=tk.NORMAL) self.status_var.set(f"检测完成，共发现 {len(self.plate_bboxes)} 个车牌。") else: self.btn_recognize.config(state=tk.DISABLED) self.status_var.set("未检测到车牌。") def recognize_plate(self): if not self.plate_bboxes: return self.status_var.set("正在识别车牌字符...") self.root.update() # 懒加载识别器 if self.recognizer is None: self.recognizer = PlateRecognizer(self.cfg['model']['recognizer'], self.cfg['plate']['char_list'], device='cpu') results = [] for i, plate in enumerate(self.plate_bboxes): x1, y1, x2, y2 = plate['bbox'] plate_img = self.current_image[y1:y2, x1:x2] # 这里可以加入对plate_img的预处理（如core.utils中的函数） plate_number = self.recognizer.recognize(plate_img) results.append(f"车牌 {i+1}: {plate_number} (置信度: {plate['confidence']:.2f})") # 显示结果 self.result_text.delete(1.0, tk.END) self.result_text.insert(tk.END, "\n".join(results)) self.status_var.set("识别完成！") def clear_all(self): self.canvas.delete("all") self.current_image = None self.plate_bboxes = [] self.result_text.delete(1.0, tk.END) self.btn_detect.config(state=tk.DISABLED) self.btn_recognize.config(state=tk.DISABLED) self.status_var.set("已重置。") if __name__ == "__main__": root = tk.Tk() app = LicensePlateApp(root) root.mainloop()

这个GUI实现了核心功能闭环：加载图片 -> 检测并框出车牌 -> 识别并显示号码。按钮状态管理（如检测后才允许识别）和懒加载模型（首次使用时加载，避免启动过慢）是提升用户体验的关键细节。

4.2 性能优化与用户体验

对于毕业设计演示，除了功能，流畅度也很重要。

图像显示优化：Tkinter的Canvas显示大图可能较慢。我们使用PIL的thumbnail方法进行等比例缩放，确保任何尺寸的图片都能快速显示在窗口内。
异步处理：上述代码中，检测和识别是阻塞主线程的。对于大图片或慢速CPU，界面会“卡住”。一个更高级的做法是使用threading模块，将耗时的模型推理放到子线程中，并在期间更新状态栏为“处理中...”，避免界面假死。
模型初始化：在__init__中不直接加载模型，而是放在第一次调用的函数里（懒加载），可以加快程序启动速度。

5. 模型训练与数据准备实战

很多同学拿到源码后，最大的困惑是：模型权重从哪里来？如何训练自己的模型？这部分是项目的灵魂，也是答辩老师最可能深挖的地方。

5.1 车牌检测模型（YOLO）训练

1. 数据准备：你需要一个车牌检测数据集。推荐使用公开数据集如CCPD（中国城市车牌数据集），它包含数十万张带标注的车牌图片，标注格式多样，通常需要转换。

数据标注：如果使用自己的图片，可以用标注工具如LabelImg或CVAT，将车牌框出来，标注为license_plate类别。保存为YOLO格式（每个图片对应一个.txt文件，内容为class_id x_center y_center width height，坐标是归一化后的）。
数据集划分：按8:1:1的比例分为train,val,test文件夹。
配置文件：在YOLOv5的data目录下创建plate.yaml，指明路径和类别。

# plate.yaml path: ../datasets/plate_det # 数据集根目录 train: images/train val: images/val test: images/test nc: 1 # 类别数，只有车牌一类 names: ['license_plate'] # 类别名称

2. 模型训练：假设你已经克隆了YOLOv5官方仓库并安装了依赖。

cd yolov5 python train.py --img 640 --batch 16 --epochs 100 --data data/plate.yaml --weights yolov5s.pt --project ../my_plate_project --name det_train

--img 640: 输入图像尺寸。YOLOv5训练时会自动缩放到多种尺寸，640是基准。
--batch 16: 批大小。根据你的GPU内存调整，如果CUDA out of memory，就减小这个数。
--epochs 100: 训练轮数。通常50-100轮足够收敛，可以观察验证集损失曲线决定是否早停。
--data: 指向你刚创建的plate.yaml。
--weights yolov5s.pt: 加载预训练的yolov5s模型权重进行微调。这是关键！
--project和--name: 指定训练日志和输出权重的保存路径。

训练完成后，最佳模型权重会保存在../my_plate_project/det_train/weights/best.pt，这就是你的yolov5s_plate.pt。

5.2 字符识别模型（CRNN）训练

1. 数据准备：你需要一个车牌字符级别的数据集。CCPD数据集也提供了车牌号码的文本标签。你需要做的是：

裁剪车牌：利用检测模型或数据集提供的车牌框，将每个车牌图片裁剪出来。
生成标签文件：创建一个文本文件（如train.txt），每一行是“图片路径车牌号码”，例如：

./plate_images/00001.jpg 京A12345 ./plate_images/00002.jpg 粤B666GG

字符字典：统计所有车牌号码中出现的字符，生成一个char_list.txt，例如0123456789ABCDEFGHJKLMNPQRSTUVWXYZ京沪津...。注意，字母I和O通常不在车牌中使用，用J和Q替代，你的字典也要与之对应。

2. 模型训练：你需要找一个CRNN的实现（如GitHub上的crnn.pytorch）。核心训练脚本结构如下：

# train_recognizer.py 简化示例 import torch from model import CRNN from dataset import PlateDataset from ctc_loss import CTCLoss # 1. 加载数据集 train_dataset = PlateDataset(label_file='train.txt', char_list_file='char_list.txt', transform=...) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) # 2. 初始化模型、损失函数、优化器 model = CRNN(imgH=32, nc=1, nclass=len(char_list)+1, nh=256) criterion = CTCLoss() optimizer = torch.optim.Adam(model.parameters(), lr=0.001) # 3. 训练循环 for epoch in range(50): for i, (images, labels, label_lengths) in enumerate(train_loader): # images: (batch, channel, height, width) # labels: 标签序列 optimizer.zero_grad() preds = model(images) # (seq_len, batch, nclass) preds_log_softmax = torch.nn.functional.log_softmax(preds, 2) input_lengths = torch.full((batch_size,), preds.size(0), dtype=torch.long) loss = criterion(preds_log_softmax, labels, input_lengths, label_lengths) loss.backward() optimizer.step() # 每个epoch后在验证集上测试准确率... torch.save(model.state_dict(), 'crnn_plate.pth')

踩坑实录：CTC损失对输入输出序列的长度非常敏感。确保你的PlateDataset能正确返回每个样本的label_length（车牌字符串长度）。调试时，可以先在非常小的数据集上过一遍，确保前向传播和损失计算能跑通，没有维度错误。

6. 项目集成、调试与答辩准备

当所有模块都准备好后，最后的集成和调试阶段决定了项目的稳定性和演示效果。

6.1 系统集成与依赖管理

创建一个requirements.txt文件，列出所有依赖库及其大致版本，方便答辩时在其他电脑上快速部署环境。

torch>=1.10.0 torchvision>=0.11.0 opencv-python>=4.5.0 Pillow>=9.0.0 numpy>=1.21.0 PyYAML>=6.0 tkinter # 通常Python自带

在项目根目录下，可以通过pip install -r requirements.txt一键安装。特别注意：PyTorch的安装命令需要根据你的CUDA版本去官网获取，requirements.txt里可能只写torch，具体安装指令可以写在项目的README.md里。

6.2 常见问题与调试技巧

在实际运行中，你肯定会遇到各种问题。这里记录几个高频问题：

检测框不准或漏检
- 可能原因：训练数据不足或质量差；预处理（letterbox）或后处理（NMS参数）不当。
- 排查：用detect.py脚本单独测试检测模型，可视化检测结果。检查训练数据的标注是否精准、是否覆盖了各种场景（远/近、亮/暗、侧拍）。
- 解决：增加训练数据，特别是针对漏检的场景。调整NMS的iou_thres和conf_thres参数。conf_thres调低可以增加召回率（减少漏检），但可能会增加误检。
字符识别错误率高
- 可能原因：车牌区域预处理不到位（倾斜、光照）；字符字典不匹配（如训练集用‘0’，测试图片是‘O’）；模型训练不充分或过拟合。
- 排查：将识别错误的车牌区域图片保存下来，肉眼观察问题。是模糊？是倾斜？还是字符分割粘连？
- 解决：强化预处理流程，增加透视矫正和自适应二值化。检查字符字典是否完备。在验证集上监控准确率，防止过拟合（训练集准确率高，验证集低）。
GUI运行缓慢或卡死
- 可能原因：在主线程执行模型推理；图片过大，显示时未缩放。
- 解决：如前所述，将detect_plate()和recognize_plate()中的模型推理部分放入线程。使用thumbnail缩放显示图片。
打包成可执行文件（.exe）后运行出错
- 这是毕业设计演示的终极噩梦。常用工具是PyInstaller。
- 关键步骤：
  - 在纯净的虚拟环境中安装依赖并测试通过。
  - 使用pyinstaller -F -w main.py打包。-F生成单个文件，-w隐藏控制台窗口。
  - 必须处理动态库和模型文件：PyInstaller默认不会打包.pt、.pth模型文件和YOLO的一些动态库。需要在main.py同级目录创建hooks，或者更简单的方法，在打包后手动将data/models/文件夹和必要的.dll文件复制到生成的dist目录中。
  - 路径问题：打包后，__file__等路径会变化。在代码中，所有文件路径（如config.yaml）都应使用os.path.join(os.path.dirname(__file__), ‘config.yaml’)这种基于当前文件路径的方式来构建，而不是硬编码的相对路径。

6.3 答辩要点与项目展示

最后，你的毕业设计答辩，本质上是在展示一个完整的产品开发流程。

PPT结构建议：
1. 引言：简述车牌识别的应用背景与意义。
2. 相关工作：对比传统方法和深度学习方法，引出你选择两阶段深度学习方案的原因。
3. 系统设计：展示你的系统架构图（检测->识别->GUI），讲解模块划分。
4. 核心算法：重点讲解YOLO的检测原理和CRNN+CTC的识别原理。不必深入数学公式，用流程图和示意图说明“网络做了什么”即可。
5. 实验与结果：展示你的数据集规模、训练过程损失曲线、在测试集上的评估指标（如检测的mAP、识别的准确率）。一定要有可视化的结果对比图，比如放几张有挑战性的图片（雨天、夜间、倾斜），展示你的系统能成功处理。
6. 系统演示：现场运行你的GUI程序，演示从打开图片到出结果的全过程。这是最加分项。
7. 总结与展望：总结项目成果，说明创新点（可能是在预处理、模型集成或交互设计上的小改进），并谈谈不足与未来可优化方向（如支持视频流、集成更轻量模型等）。
代码提交：确保你的项目代码结构清晰，有详细的README.md，说明环境配置、如何训练、如何运行。这体现了你的工程素养。