模型介绍
中文整理中国车牌识别三件套（YOLO + CRNN + 7类分类）
基于 CBLPRD-330k（约 33 万张中国车牌）训练的端到端识别组合：**车牌定位 → 字符识别 → 号牌类型分类**。
文件 任务 说明
- ----- ------ ------
yolov8n-license-plate.pt 车牌区域检测 YOLOv8n，单类 license plate
crnn best.pt 车牌字符 OCR CRNN + BiLSTM + CTC
cls best.pt 号牌类型分类 YOLOv8n-cls，7 类
inference example.py 示例脚本 一键跑通三件套
configuration.json / metrics.json 元数据 结构与指标摘要
推荐流水线： 整图/车辆 crop → 检测车牌框 → CRNN 读字 + CLS 判型 。
训练曲线总览
模块 最终结果
- ----- ----------
车牌检测 mAP50 **95.0%** · mAP50-95 **72.7%** · Precision **94.8%** · Recall **95.2%**
CRNN OCR 字符级 val acc **99.44%**
7 类分类 accuracy top1 **100%**（第 4 epoch 起）
快速使用
- 安装依赖
- 下载模型
- 最小推理（三件套）
将 car.jpg 换成你的图片，在模型目录下执行：
或用 Python：
建议阈值：检测 conf≈0.5~0.6 ；业务落地可再加 min confidence≈0.9 与多帧确认。
训练过程
数据统一来自 **CBLPRD-330k**，按任务拆成三路：
1）车牌检测（YOLOv8n）
项 值
- --- -----
基座 yolov8n.pt
类别 1 类： license plate
输入 640×640
epochs 50
batch 16
优化器 auto（Ultralytics）， lr0=0.01 ， lrf=0.01
AMP True
增强 mosaic=1.0，hsv，fliplr=0.5，translate=0.1，scale=0.5；最后 10 epoch 关闭 mosaic
patience 100
要点：
前 10 epoch 指标波动较大（mAP 有短暂回落）；
约 15~25 epoch 后 Precision / Recall / mAP50 进入高位并收敛；
25 之后主要抬升 **mAP50-95**（定位更准），最终 **mAP50≈95.0%、mAP50-95≈72.7%**；
box loss / cls loss 全程下降，训练稳定。
2）车牌 OCR（CRNN + CTC）
项 值
- --- -----
结构 CNN 特征提取 + 双向 LSTM(2 层, hidden=256) + CTC
输入 灰度图 **48×128**（H×W）
字符集 数字 + 字母（无 I/O）+ 省份汉字 + 警学港澳使领 ，共 **73 类（含 blank）**
优化 Adam， lr=1e-3 ，batch=512，约 60 epoch
解码 CTC 贪婪解码
- *最终** 验证集字符级准确率 **99.44%**
字符集：
3）号牌 7 类分类（YOLOv8n-cls）
项 值
- --- -----
基座 yolov8n-cls.pt
输入 128×128
计划 epochs 50（早停，实际跑满 **19** epoch）
batch 256
优化器 AdamW， lr0=0.001 ， cos lr=True ，AMP
patience 15
ID 类别
- --- ------
0 单层黄牌
1 双层黄牌
2 拖拉机绿牌
3 新能源大型车
4 新能源小型车
5 普通蓝牌
6 黑色车牌
第 4 epoch 起验证 top1 已达 **100%**，后续主要压低 train/val loss；因 patience=15，在第 19 epoch 结束。
最终结果（本仓库权重）
模块 指标 结果
- ----- ------ ------
车牌检测 Precision **94.8%**
车牌检测 Recall **95.2%**
车牌检测 mAP50 **95.0%**
车牌检测 mAP50-95 **72.7%**
CRNN OCR 字符级 val acc **99.44%**
7 类分类 accuracy top1 **100%**
适用 / 不适用
适用**：监控、路侧抓拍、停车场出入口等中国大陆号牌场景；需要同时输出车牌字符串与号牌类型。
不适用**：极端模糊 / 严重遮挡 / 非中国号牌；需要法律效力的执法取证（仅供工程与研究参考）。
许可
权重：**Apache License 2.0**
检测 / 分类基座来自 Ultralytics YOLOv8，请同时遵守其许可
训练数据版权归原数据集作者；商用前请自行确认合规
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。