企业官网建设流程全解析

简介：目标检测是计算机视觉领域的核心任务之一，其目标是在图像或视频中定位特定物体并给出类别信息。在智能交通与安防场景中，车牌识别作为典型应用，依赖高精度的目标检测技术从复杂背景中提取车牌区域。YOLOv5凭借轻量级网络结构与成熟的工程生态，成为车牌检测的主流方案之一，尤其适合停车场道闸、卡口监控等实时性要求高的场景。围绕YOLOv5，开发者需要掌握从数据集标注、数据增强、模型训练调参，到字符识别串联、ONNX导出及TensorRT加速的完整链路。同时，边缘计算设备的普及对模型部署提出了更高要求，如何在Jetson、RK系列等硬件上实现高效推理，是工程落地的关键。本文结合车牌识别项目的真实经验，梳理从数据准备到部署优化的全流程技术细节，帮助开发者理解目标检测技术在垂直场景中的实践方法，并高效搭建一套可用的车牌识别系统。 做车牌识别这个方向，绕不开YOLOv5。不管你是做毕业设计、公司安防项目，还是自己捣鼓一套停车场道闸系统，这个名字总会出现在各路教程和开源仓库里。我在这个领域踩过不少坑，从数据集标注到模型调参再到最后部署到边缘设备，整理了一条比较完整的路线，把关键的技术决策和实操细节都摊开来讲，希望能帮你少走弯路。

这个项目的核心目标很明确：输入一张图像或一段视频，输出画面中所有车牌的位置，并识别出车牌上的字符内容。适用场景包括停车场出入口、道路卡口、小区门禁等。适合对深度学习有一定基础、想完整走通“数据-训练-部署”全流程的开发者参考。

1. 项目整体设计与技术拆解

1.1 车牌识别系统的完整链路

车牌识别在工程上从来不是单一模型能搞定的事，它是一条完整的链路。最经典的做法是两阶段方案：先做目标检测框出车牌位置，再做字符识别读出车牌内容。为什么要拆成两段而不是直接端到端？因为检测和识别的任务难度不同，分开优化会让整个系统的容错性更好。

先说检测端。车牌在图像中只占很小一片区域，尤其是道路监控画面里，车牌可能只有几十个像素宽。这种小目标检测对模型的要求很高，既要抓得准，又要保证速度能跟上视频流的帧率。而识别端处理的是已经裁剪好的车牌小图，任务变成序列文本识别，和OCR类似。

YOLOv5在这个链路里负责的是第一步——车牌定位。它的输出是若干个边界框，每个框包含中心坐标、宽高和置信度。在拿到这些框之后，再根据框的坐标把车牌区域裁剪下来，送入识别模块。

1.2 为什么在这个场景选YOLOv5

你可能要问，现在YOLOv8、YOLOv9都出来了，为什么还要用YOLOv5？坦白说，如果只追求指标上的最优，YOLOv8确实在COCO数据集上有更好的表现。但落到车牌识别这个具体场景，YOLOv5有两个不可替代的优势。

第一个是生态成熟度。YOLOv5的社区太大了，无论是数据标注工具的支持、模型部署的教程还是各种边缘设备的适配，你遇到的问题几乎都能搜到现成答案。这一点在工程落地时太重要了。第二个是硬件友好性。YOLOv5s只有大概7.2M参数，计算量在16.5 GFLOPs左右，这意味着它可以在不牺牲太多精度的前提下，轻松跑到实时甚至超实时。

拿我实际测试的数据来说，在一块中端显卡上，YOLOv5s处理一张1080P图像大约需要8毫秒，加上预处理和后处理也就11毫秒左右，完全满足视频流25帧每秒的需求。如果用TensorRT做加速，在Jetson Nano这类边缘设备上也能跑到40毫秒以内。

1.3 需求边界与设计取舍

在设计系统之前，必须想清楚一个问题：你要做的车牌识别，面对的输入是什么样的？是大角度俯拍的停车场入口，还是平视视角的电子警察，还是可移动的手持终端？不同场景对模型架构的影响很大。

我最初做的时候犯过一个错误，直接拿通用目标检测的权重去跑车牌图片，结果漏检率特别高。后来分析原因，停车场出入口的照片里，车牌经常是倾斜的，而且受光照影响严重，逆光时车牌几乎变成一团黑影。所以后来在数据集的构建阶段，我刻意加入了大角度旋转、强逆光、模糊样本。

另一个取舍是是否需要识别新能源绿牌。新能源车牌是8位字符，而传统蓝牌是7位，这会影响后续字符分割和识别的设计。如果你的系统需要兼容两种车牌，从数据准备阶段就要把两种情况都纳入，并且在识别模块里处理好变长序列的问题。

2. 数据集准备与标注规范

2.1 数据来源与公开数据集推荐

训练数据是车牌识别项目里最耗时也最关键的环节。公开数据集首选CCPD（Chinese City Parking Dataset），这是中科大收集的国内停车场大规模数据集，包含超过25万张图像，覆盖了蓝牌、绿牌、黄牌以及各种复杂场景。另一个是CRPD（Chinese Road Plate Dataset），偏道路场景，图像质量更高。

用公开数据集有个需要注意的地方：它的图像尺寸偏大，很多是720P以上的街景图，车牌在其中占比较小。直接拿去训练也不是不行，但最好做一次统计分析，看看你自己的目标场景和数据集分布是否匹配。如果你的场景是小区地下车库，而数据集是路边停车位，那光照和角度差异就会很大，泛化效果会打折扣。

我建议的补充方式是，用自己的摄像头去停车场、路边、小区门口录制半小时视频，抽帧后挑出有效样本加入训练集。这个操作说起来简单，但对最终精度的提升非常明显。我自己的模型在加入大约2000张现场采集的样本后，检测精度mAP@0.5从88%提升到了93%以上。

2.2 YOLO标注格式详解

YOLOv5使用的标注格式是txt文件，每一行代表一个目标，共5个数，格式为：

class_id x_center y_center width height

注意，这四个坐标值都是归一化的，也就是用像素坐标除以图像的宽和高，得到0到1之间的数值。举例来说，一张1280x720的图像里，如果车牌中心点在(640, 360)，宽200，高60，那么标注内容就是：

0 0.5 0.5 0.15625 0.08333

这里0.15625是200除以1280，0.08333是60除以720。

标注工具我用的是LabelImg和X-AnyLabeling。如果是标注车牌这类单一目标，LabelImg足够用了，它生成的标注文件可以直接做格式转换。在标注的时候有两点经验：第一，框一定要紧贴车牌边缘，不要留太多背景，否则模型学到的特征会包含大量无关信息；第二，对于遮挡或模糊的车牌，如果人眼都很难确认位置，建议直接跳过不标注，不要硬标，否则会引入噪声样本。

2.3 数据增强策略

YOLOv5内置了丰富的数据增强策略，这些增强在训练时随机执行，相当于免费扩充了数据集。核心的几种增强方式包括：

• Mosaic增强：将4张图拼接成1张，增强模型对小目标的感知能力，对车牌这种小目标特别有效
• HSV色域变换：随机调整图像的色调、饱和度和明度，提升模型在不同光照条件下的鲁棒性
• 随机水平翻转：车牌字符顺序会反转，但这种翻转在训练中会让模型学到更本质的纹理特征，实际推理时对正立车牌的识别没有负面影响

不过在车牌识别场景里，有一个增强参数需要特殊处理——旋转角度。YOLOv5默认的旋转增强范围是-10度到+10度，但对车牌来说，超过30度的旋转在实际中也很常见，比如坡道停车场的摄像头，车牌在画面里往往是倾斜的。我在训练时把旋转角度调到了+30到-30度。代价是训练时间变长了一些，但换来了更好的角度鲁棒性，我觉得值。

3. 环境搭建与依赖配置

3.1 深度学习环境安装要点

这部分是最劝退新手的环节，我当年在这里卡了快一周。先说结论：环境配置的核心是让PyTorch、CUDA和显卡驱动三者版本匹配，任何一环对不上，都会出现奇奇怪怪的错误。

如果你用的是NVIDIA显卡，第一步装驱动别操之过急。Ubuntu系统下用ubuntu-drivers devices命令查看推荐版本，然后直接用sudo apt install nvidia-driver-550这类命令安装。有些教程会让你去官网下载.run文件手动装，新手别碰这个，一旦装错，图形界面起不来，排查成本特别高。

装好驱动后用nvidia-smi验证，能看到显卡信息就说明驱动正常了。接下来装CUDA Toolkit和cuDNN。这里有个容易让人困惑的地方：PyTorch官方提供的whl包里面已经捆绑了运行时所需的CUDA库，所以很多情况下你根本不需要单独安装完整的CUDA Toolkit，只需要确保驱动版本足够新。

我的建议是用conda创建独立环境，Python版本3.9或3.10，然后跑：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

这个命令会安装支持CUDA 11.8的PyTorch。装完后在Python里执行：

import torch print(torch.cuda.is_available())

如果输出True，恭喜，环境通了。

3.2 YOLOv5源码获取与依赖安装

YOLOv5的安装流程相当标准化。先拉取官方代码库：

git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

requirements.txt里列的依赖比较多，包括opencv-python、matplotlib、pandas、tqdm等。正常情况下几分钟就能装完。如果网络不好导致某些包下载失败，建议pip换用国内镜像源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

需要提醒的是，YOLOv5版本更新很快，每个版本的API会有细微变化。我在项目里用的是6.2版本，这个版本最稳定，网上教程也最多。不建议直接拉最新的master分支，新的不一定好，稳定才重要。

3.3 WSL2环境特别说明

如果你的主力机是Windows，又想用Linux环境跑训练，WSL2是个不错的选择，但有一个前提条件：必须开启主板BIOS中的虚拟化功能。运行WSL2报错“此计算机上未启用虚拟化”，十有八九就是BIOS里没开。

开启方法是重启电脑进入BIOS，找到Intel Virtualization Technology或SVM Mode，改成Enabled。保存重启后在Windows的“启用或关闭Windows功能”中勾选“适用于Linux的Windows子系统”和“虚拟机平台”，再安装WSL2即可。

不过说实话，如果你是做深度学习训练，我强烈不建议长期用WSL2，磁盘IO的损耗对数据读取速度影响很大。WSL2适合调试代码，真正的模型训练还是放到纯Linux环境或者远程服务器上跑更靠谱。

4. 训练配置与模型调优

4.1 数据集目录结构与配置文件

YOLOv5要求数据集按固定的目录结构存放：

datasets/ └── plate/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/

images和labels对应放图像和标注文件，文件名必须一一对应，否则训练时会提示找不到标签。我习惯用一个Python脚本自动划分数据集，按70%训练、15%验证、15%测试的比例随机分配，并确保同一条视频里抽出来的帧不要全部跑进训练集，否则验证集的结果会虚高。

接下来在YOLOv5的data目录下创建plate.yaml：

train: /path/to/datasets/plate/images/train val: /path/to/datasets/plate/images/val nc: 1 names: ['license_plate']

nc=1表示只有车牌一个类别，names列表里的名称自己定，不影响训练过程。

4.2 关键训练参数解读

训练命令的基本格式是：

python train.py --data data/plate.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 100

每个参数都有讲究。img是输入分辨率，YOLOv5默认用640x640。车牌识别场景中，如果原始图像的尺寸很大且车牌很小，可以把输入分辨率提高到960甚至1280，这会直接改善小目标的检测效果，但代价是显存占用和推理时间都会上升。我自己的经验是：普通停车场场景用640就够，卡口相机抓拍的高清大图建议用960。

batch大小的选择，取决于你的显存大小。24GB显存跑YOLOv5s可以开到32甚至更大，8GB显存建议用16。batch太小会导致梯度估计不准确，训练过程容易震荡，loss曲线锯齿感很强。

epochs表示训练轮数。车牌是单类目标，任务相对简单，100轮基本足够。我在训练时会在第80轮左右检查一下验证集mAP，如果不再明显提升，就提前终止，没必要白白烧电。

4.3 超参数调整细节

YOLOv5提供了data/hyps/hyp.scratch-low.yaml这样的超参数文件，里面定义了学习率、动量、数据增强系数等一系列参数。新手不需要大改，但有几个参数必须关注。

学习率lr0默认为0.01。车牌数据集小的情况下，初始学习率太大会导致前期loss飙升。我在小数据集上通常把lr0降到0.001，让模型平稳收敛。

mosaic默认是1.0，也就是每张训练图都会做Mosaic增强。Mosaic对提升小目标检测很有效，但如果训练集很干净、目标位置相对固定，可以考虑降到0.5，降低增强强度，让模型更快拟合真实分布。

anchor也是一个值得讲的话题。YOLOv5默认的anchor是在COCO数据集上聚类得到的，对车牌这种长宽比特别大的目标（通常长宽比在3:1到4:1之间）并不完全适配。好在YOLOv5训练时会自动计算数据集的anchor，你不需要手动调整，只需确保训练时控制台输出的新anchor不是和默认值偏离太远就行。

4.4 训练过程监控与评估

训练过程中，loss曲线是最直接的反馈。正常情况下，box_loss、obj_loss和cls_loss都应该呈下降趋势并趋于平稳。如果出现loss持续不降甚至上升，大概率是学习率太大或数据集有问题。

每个epoch结束后，验证集会计算mAP@0.5和mAP@0.5:0.95两个指标。对车牌检测来说，主要看mAP@0.5，因为这个指标反映的是IoU大于0.5时检测框的准确率，与实际应用场景的容忍度基本一致。我训练的模型mAP@0.5通常在0.92到0.95之间。

训练完成后，模型权重保存在runs/train/exp/weights/目录下，最好的是best.pt，这是验证集表现最优的那个权重文件。

5. 车牌字符识别与系统整合

5.1 字符识别的方案选择

检测到车牌后，落地到实际项目还需要字符识别。这块有两条技术路线：一是用专门的轻量级OCR模型，二是自己训练分类网络做单字符识别。

路线一用的是LPRNet或CRNN这类序列文本识别模型。它们的输入是车牌小图，输出是字符序列。LPRNet的一个优势是不需要做字符分割，直接端到端识别，对倾斜和模糊的车牌也相对鲁棒。我用的就是LPRNet的一个PyTorch开源实现，在裁剪好的车牌图上，单张识别时间不到5毫秒，精度在95%以上。

路线二的做法是先做字符分割，把车牌切成单个字符，然后送入一个分类网络。这个方案理解起来直观，但实现细节很繁琐。字符分割在车牌有铆钉、边框或者倾斜的情况下经常出错，一个分割失误就导致整个识别失败。我现在基本不推荐这种做法。

5.2 识别模型的数据处理

字符识别模型需要单独的训练数据。公开方案中，合成数据充当了主力。用程序在纯色背景上渲染车牌字符，包括中国各省简称汉字、英文字母和数字，然后叠加随机噪声、模糊、透视变换，生成几万张合成图像。

关键在于，合成数据必须尽量贴近真实车牌的字体。车牌的字体不是随便一个系统字库就行的，需要找车牌专用字体，或者直接用真实车牌的图像做数据增强。我在项目中是先用合成数据预训练，再用真实车牌图像微调，这个组合效果最好。

识别模型的输出还需要后处理，主要是正则化校验。中国车牌的格式通常是一个省份汉字加一个发牌机关字母，后面是5位或6位数字字母混合。我在识别结果上加了正则过滤，比如第二个字符必须是字母，如果模型输出的是数字，我会修正为最接近的字母（比如0修正为O、1修正为I，但要注意车牌字符中O和I通常不使用，所以这类情况一般是模型输出错误）。

5.3 从检测到识别的完整流程串联

实际项目的推理流程我的实现是这样的：

# 检测阶段 results = model(frame) boxes = results.xyxy[0].cpu().numpy() for box in boxes: x1, y1, x2, y2, conf, cls = box if conf < 0.5: continue crop = frame[int(y1):int(y2), int(x1):int(x2)] # 预处理车牌图像 plate = cv2.resize(crop, (168, 48)) plate = cv2.cvtColor(plate, cv2.COLOR_BGR2GRAY) # 字符识别 text = lprnet(plate) print(text)

这里的关键是检测框到识别输入的尺寸映射。不同车型的车牌宽高比会有差异，统一resize到168x48是因为这个比例接近普通蓝牌的比例，如果检测到的是新能源绿牌，宽高比会略大一些，需要根据检测框本身的长宽比决定是否保持比例缩放到固定高度。

5.4 性能优化与错误处理

系统整合后还要考虑性能。我的方案里，检测模型的推理时间约10毫秒，识别模型约3毫秒，整个流程大约15毫秒，在视频流场景下完全够用。

错误处理方面，最容易出问题的是识别置信度低的情况。当识别结果的置信度低于0.7时，我选择丢掉这一帧的识别结果，而不是强行输出一个可能错误的车牌号。在道闸等需要高准确率的场景中，连续三帧识别结果一致才认为识别成功，这样能有效避免误判。

6. 模型导出与边缘设备部署

6.1 ONNX导出与TensorRT加速

训练好的PyTorch模型无法直接在边缘设备上高效运行，必须先做格式转换。YOLOv5官方提供了导出脚本：

python export.py --weights runs/train/exp/weights/best.pt --include onnx

导出ONNX后，可以再转成TensorRT的engine文件，在NVIDIA设备上获得更大的速度提升。我自己在Jetson Nano上测试过，PyTorch模型推理一帧大约需要90毫秒，转成TensorRT INT8后降到35毫秒左右，提升非常明显。

6.2 瑞芯微平台部署要点

如果你用的是瑞芯微RK3568这类国产边缘计算板子，部署流程稍微特殊一点。RK3568有自己的NPU工具链RKNN，不能直接跑ONNX。流程是先导出ONNX模型，再用rknn-toolkit2将其转换为RKNN格式。

我在RK3568上跑YOLOv5s的实测帧率大约在15到20 FPS，如果输入分辨率降到416x416，可以跑到30 FPS。想在更低成本的RV1106上跑，则需要把模型压得非常轻量，YOLOv5s已经是上限了，通常会改用YOLOv5n或者更小的变体。

RKNN转换过程有个常见坑：PyTorch模型中某些算子（尤其是涉及动态shape的操作）RKNN不支持，需要手动修改网络结构或者修改导出方式。遇到这种情况别慌，用固定的输入尺寸导出ONNX基本都能绕过去。

6.3 轻量化部署与摄像头实时推理

对于普通PC部署，我习惯直接把训练好的权重和推理脚本封装成一个Python类，用OpenCV读取摄像头帧，逐帧调用模型推理，并用PIL或OpenCV在画面上叠加检测框和识别结果。

cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break text = plate_recognize(frame) cv2.putText(frame, text, (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow('plate', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

实际测试中，CPU推理YOLOv5s大约300毫秒一帧，GPU则十几毫秒，差距非常大。如果必须在CPU上实时跑，可以选择YOLOv5n或者蒸馏一个轻量模型。如果是通用x86盒子，也可以考虑用OpenVINO加速，Intel家的CPU用这个方案能压到50毫秒左右。

7. 常见问题与排查技巧

7.1 安装与环境问题速查

我把自己遇到过的和身边朋友问过最多的环境问题整理成了一张速查表。

7.2 训练与精度问题

模型训练不收敛或精度差的坑我踩过很多，说几个高频的。

第一个是loss降不下去且震荡剧烈。检查一下数据集的标注坐标有没有问题，特别是归一化后坐标值超过1的情况。我遇到过一批新标注的数据，x_center写成了像素值而不是归一化值，训练结果直接崩掉。

第二个是mAP_0.5很高但跑到真实场景就漏检。这种情况通常是训练数据和实际场景的分布差异太大。建议回到数据部分，多采集自己目标场景的图像做补充训练。不要指望一个通用模型搞定所有场景。

第三个是车牌被Truncated或被遮挡。如果目标车牌在图像边缘被切掉一半，YOLOv5的检测框通常会给出一个裁剪后的框，识别阶段会失败。解决办法是在预处理阶段对检测框做一定范围的扩展，把被切掉的边缘补回来。我一般把检测框每个方向外扩10%到20%再裁剪，识别成功率会好很多。

7.3 部署与性能优化

部署阶段的性能瓶颈，很多时候不在模型推理，而在图像解码和预处理。我在RK3568上第一次测帧率只有8 FPS，仔细排查发现视频解码用的是软解码，CPU直接跑满。换成硬解码接口（RKMPP）之后，帧率直接翻倍。

另一个很容易忽略的点是NPU算力分配。如果你在RK3568上同时跑检测和识别两个模型，它们会争抢NPU资源，导致两边都变慢。我后来把识别模型改到CPU上用RKNN的混合量化模式跑，推理时间从15毫秒增到30毫秒，但检测模型从30毫秒降到15毫秒，整体帧率反而提升了。

7.4 我认为最容易踩的“隐形坑”

最后说几个不太容易被记录在文档里的问题。预训练权重版本不一致，YOLOv5官方提供的yolov5s.pt有6.0和6.2等不同版本，如果你的代码版本和权重版本对不上，训练时虽然能跑，但结果会非常诡异。解决方法是用官方配套脚本下载权重，别手动去第三方渠道拿。

中文路径问题。数据集的路径以及数据集内部的图像路径如果包含中文或空格，在读取时会报找不到文件的错误。这种问题排查起来很绕，因为报错信息通常指向的是某个随机图片文件，你不会第一时间联想到是根路径有中文。因此，所有数据目录的名称尽量统一用英文。

关于单通道灰度图训练，YOLOv5默认输入是三通道RGB图像，如果你网上找到的很多历史车牌数据是老式黑白摄像头拍的灰度图，需要把单通道复制成三通道再训练。YOLOv5本身没有直接支持单通道输入的模型配置，不要尝试去改网络第一层的输入通道数，那样会破坏预训练权重的加载逻辑，迁移学习的效果会大打折扣。

8. 项目延伸与实战体会

做完一个基本能用的车牌识别系统之后，如果你还想要更顺滑的体验，有一些很自然的扩展方向。

角度矫正。检测到的车牌经常是倾斜的，尤其是路边停车或坡道入口。在识别前用仿射变换把车牌转正，能极大提升字符识别准确率。我最初忽略了这一步，后来加入简单的透视校正后，识别准确率提升了2个百分点，对于识别这种精度敏感的任务，这一步值得做。

夜间场景优化。夜间车牌识别是个老难题，图像亮度低、噪点多。可以在数据增强时加入低光照模拟，也可以接一个轻量的图像增强模块作为预处理。或者换一个思路，用红外摄像头。很多停车场道闸实际用的是红外补光摄像头，灰度图为主，这样反而减少了颜色干扰，车牌字符更清晰。

多车牌追踪。如果场景中有多辆车同时经过，需要把检测框和车辆ID进行关联。这一步可以结合DeepSORT之类的多目标跟踪算法，确定每个车牌的轨迹和唯一性，避免同一辆车被重复识别计费。

在我实际做过的几个项目里，最深的体会是：一个实用的车牌识别系统，重心未必在模型结构上，而是在数据质量和工程细节上。YOLOv5只是给你提供了一个好用的工具，工具本身的好坏影响有限，真正决定系统上限的，是你对数据分布的理解、对场景的把握以及对各种边界情况的处理。

如果你是从零开始做，我的建议是先用别人训练好的通用车牌模型跑通流程，理解整个系统的运转逻辑，再逐步训练自己的模型。这个过程中你会深刻理解到，深度学习项目里，最花时间的不是写代码，而是调数据和排bug。耐心一点，把每一步都走扎实，这个项目的价值不只是一套能跑的车牌识别系统，更是你理解目标检测技术从训练到部署全流程的绝佳实践。

本文还有配套的精品资源，点击获取