基于YOLOv11+PP-OCRv5深度学习的智能车牌检测与识别系统python源码+pytorch模型+评估指标曲线+精美GUI界面

【算法介绍】

智能车牌检测与识别系统借助当下前沿的 YOLOv11 算法以及 PP-OCRv5 算法，能够在复杂多样的环境场景中，快速且精准地达成实时车牌检测与识别任务。在现代交通管理领域，该技术意义重大，它能够推动涉及车辆识别与记录的诸多流程实现自动化与简化。此类系统不仅显著提升了工作效率，还大幅减少了人工操作可能出现的失误，为交通管理提供了便捷、可靠的数据支撑，对于强化交通安全保障、助力执法工作开展以及推动智慧城市建设都具备不可忽视的深远价值。

【软件界面】

【效果展示】

【测试环境】

windows10
anaconda3+python3.8
torch==2.3.1+cu118
ultralytics==8.3.120

paddlepaddle-gpu==3.0.1

padddleocr==3.0.1

【模型可以检测出类别】

car-plate

【识别原理】

使用yolo11训练车牌检测模型进行车牌检测，然后将检测出车牌抠出来直接放入paddleocr的文本识别模型进行识别，因此识别不需要训练。注意由于直接用paddleocr通用模型进行识别，因此对正面清晰车牌识别很好，但是对应模糊倾斜可能会很差。

【环境准备】

Python版本：确保Python版本为3.8或更高。
操作系统：支持Windows、Linux或MacOS。
虚拟环境：推荐使用conda或venv创建虚拟环境，以避免依赖冲突。
创建并激活虚拟环境
使用conda创建虚拟环境：conda create -n paddle_env python=3.8，然后激活环境：conda activate paddle_env。
或者使用venv创建虚拟环境：python -m venv paddle_env，然后在Windows上激活：paddle_env\Scripts\activate，在Linux/MacOS上激活：source paddle_env/bin/activate。
安装PaddlePaddle
根据硬件选择安装命令。如果需要GPU支持，确保已安装CUDA和cuDNN，并安装PaddlePaddle GPU版本。例如：pip install paddlepaddle-gpu==3.0.0 -f https://www.paddlepaddle.org.cn/whl/stable.html。
如果不需要GPU支持，安装CPU版本：pip install paddlepaddle==3.0.0。
安装PaddleOCR
安装PaddleOCR 3.0.1或更高版本：pip install paddleocr>=3.0.1。
验证安装
进入Python交互环境，导入PaddleOCR并打印版本信息：

from paddleocr import PaddleOCR如果运行无误，说明安装成功。
安装YOLOv11
安装PyTorch
根据硬件选择安装命令。如果需要GPU支持，安装GPU版本的PyTorch。例如：

pip install torch==2.3.1+cu118 torchvision==0.18.1+cu118 -f  https://download.pytorch.org/whl/torch_stable.html
如果不需要GPU支持，安装CPU版本：

pip install torch==2.3.1+cpu torchvision==0.18.1+cpu -f  https://download.pytorch.org/whl/torch_stable.html
安装YOLOv11
使用pip安装ultralytics包：pip install ultralytics==8.3.120

【使用步骤】

使用步骤：
（1）首先根据官方框架github.com/ultralytics/ultralytics安装教程安装好yolov11环境，并安装好pyqt5
（2）切换到自己安装的yolov11环境后，并切换到源码目录，执行python main.py即可运行启动界面，进行相应的操作即可

【提供文件】

python源码
yolov11n.pt模型
测试图片（在test_img文件夹下面）