1.【基于YoloV11+PaddleOCR的车牌检测系统】

实现思路：yolov11提取车牌坐标，进行分割，然后使用PaddleOCR进行识别！

图片：

完整源码获取方式关注底部wx公号，私信获得（有偿）

一、CCPD数据集进行处理

下载链接：https://github.com/detectRecog/CCPD

打开readme文件，查找百度网盘链接，在此不再赘述！

数据集比较大，

数据集说明：

CCPD2019车牌数据集是采集人员在合肥停车场采集、手工标注得来，采集时间在早7:30到晚10:00之间。且拍摄车牌照片的环境复杂多变，包括雨天、雪天、倾斜、模糊等。CCPD数据集包含将近30万张图片、图片尺寸为720x1160x3，共包含8种类型图片，每种类型、数量及类型说明如下表：

类型	图片数	说明
ccpd_base	199996	正常车牌
ccpd_challenge	50003	比较有挑战的车牌
ccpd_db	10132	光线较暗或较亮车牌
ccpd_fn	20967	距离摄像头较远或较近
ccpd_np	3036	没上牌的新车
ccpd_rotate	10053	水平倾斜20-50度，垂直倾斜-10-10度
ccpd_tilt	30216	水平倾斜15-45度，垂直倾斜-15-45度
ccpd_weather	9999	雨天、雪天或大雾的车牌
ccpd_blur	20611	模糊的车牌
cppd_newenergy	11776	新能源车牌

总共283037张车牌图像
图片命名：“025-95_113-154&383_386&473-386&473_177&454_154&383_363&402-0_0_22_27_27_33_16-37-15.jpg”

解释：

025：车牌区域占整个画面的比例；
95_113： 车牌水平和垂直角度, 水平95°, 竖直113°
154&383_386&473：标注框左上、右下坐标，左上(154, 383), 右下(386, 473)
86&473_177&454_154&383_363&402：标注框四个角点坐标，顺序为右下、左下、左上、右上
0_0_22_27_27_33_16：车牌号码映射关系如下: 第一个0为省份 对应省份字典provinces中的’皖’,；第二个0是该车所在地的地市一级代码，对应地市一级代码字典alphabets的’A’；后5位为字母和文字, 查看车牌号ads字典，如22为Y，27为3，33为9，16为S，最终车牌号码为皖AY339S
省份：[“皖”, “沪”, “津”, “渝”, “冀”, “晋”, “蒙”, “辽”, “吉”, “黑”, “苏”, “浙”, “京”, “闽”, “赣”, “鲁”, “豫”, “鄂”, “湘”, “粤”, “桂”, “琼”, “川”, “贵”, “云”, “藏”, “陕”, “甘”, “青”, “宁”, “新”]

地市：[‘A’, ‘B’, ‘C’, ‘D’, ‘E’, ‘F’, ‘G’, ‘H’, ‘J’, ‘K’, ‘L’, ‘M’, ‘N’, ‘P’, ‘Q’, ‘R’, ‘S’, ‘T’, ‘U’, ‘V’, ‘W’,‘X’, ‘Y’, ‘Z’]

车牌字典：[‘A’, ‘B’, ‘C’, ‘D’, ‘E’, ‘F’, ‘G’, ‘H’, ‘J’, ‘K’, ‘L’, ‘M’, ‘N’, ‘P’, ‘Q’, ‘R’, ‘S’, ‘T’, ‘U’, ‘V’, ‘W’, ‘X’,‘Y’, ‘Z’, ‘0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’]

最新的CCPD2020又补充了1万多张新能源汽车数据，都在下面的官网，感兴趣的可以去下载。

由于数据量过大，我从各个类型里面随机抽取10%，最终重构以后得到最终的数据集！

最终的数据集数据量如下：

类型	图片数	说明
ccpd_base	19999	正常车牌
ccpd_challenge	5000	比较有挑战的车牌
ccpd_db	1013	光线较暗或较亮车牌
ccpd_fn	2096	距离摄像头较远或较近
ccpd_np	303	没上牌的新车 没有坐标信息，忽略
ccpd_rotate	1005	水平倾斜20-50度，垂直倾斜-10-10度
ccpd_tilt	3021	水平倾斜15-45度，垂直倾斜-15-45度
ccpd_weather	999	雨天、雪天或大雾的车牌
ccpd_blur	2061	模糊的车牌
cppd_newenergy	1177	新能源车牌

1.1 从文件夹构建txt格式数据集

去除重复图片+未上牌新车，将所有图片放在一个datasets文件夹里面，共35885张图片，然后运行下述代码：

import os
import cv2

def parse_filename(filename):
    """解析CCPD文件名，提取车牌边界框坐标"""
    try:

    except Exception as e:
        print(f"解析文件名失败: {
     filename}, 错误: {
     e}")
        return None

def convert_to_yolo_format():
    """将边界框转换为YOLO格式（归一化）"""


def process_ccpd_dataset(image_dir