1.基于yolov5的车牌目标检测
这里我是用的是网上已经训练好的权重文件plate_detect.pt
2.基于CNN的车牌号码识别
这里我是用的是网上已经训练好的权重文件plate_rec_color.pth
3.基于HeidiSQL的车辆进出库管理
4.基于Thinker的交互界面
5.Summary
在做这个项目的过程中,我学到了一些细节上的知识。
5.1 配置环境
之前配置环境一直一个一个地"pip install",现在发现一个项目文件中的“requirement.txt”是可以用来配置环境的,不仅可以在终端用一行命令解决,而且可以根据需求灵活更改.txt文件里的配置。
步骤
1)创建并进入虚拟环境
2)切换工作目录到requirements.txt所在目录
cd D:\target_detection\YOLO_v5+CNN+SQL+Thinker——Use
3)安装第三方依赖包
pip install -r requirements.txt
4)检查当前环境已安装的包是否与requirements.txt相同
5.2 迁移学习
在做可视化之前,我并没有去训练模型,而是将网上训练好的车牌检测与识别权重文件用到我自己的车库管理系统中,得到了一个较好的效果。
之后打算自己训练目标检测和OCR的权重文件...
持续完善中...