一、项目演示视频
基于YOLO和PaddleOCR的智慧车牌检测系统(vue+flask+数据集+模型训练)
二、技术栈
1.1 前端技术栈
- HTML5/CSS3：页面结构和样式
- Vue.js 3：前端响应式框架
- Element Plus：UI组件库
- JavaScript：前端交互逻辑
- Echarts: 前端图表库
1.2 算法端技术栈
- Python 3：主要编程语言
- Flask：Web应用框架
- Flask-CORS：跨域资源共享支持
- Ultralytics：YOLOv8、11、12模型库
- PyTorch：深度学习框架
- Pillow：图像处理库
- OpenCV：计算机视觉库
- PaddleOCR：车牌号码识别
- NumPy：数值计算库
三、功能模块
2.1 用户管理
- 用户登录：支持用户名密码登录
- 用户注册：新用户可注册账号
- 账户验证：确保系统安全性
2.2 车牌检测
- 图像检测：支持本地车辆图像文件上传检测（JPG、PNG格式）
- 视频检测：支持本地车辆视频文件逐帧检测分析
- 实时摄像头检测：通过摄像头实时监控车辆进行车牌检测
- 车牌识别：检测车牌位置并识别车牌号码
- 跟踪功能：实时检测支持车牌跟踪ID，统计唯一车牌数量
- 结果展示：显示检测框、车牌类别及置信度、车牌号码
- 统计分析：提供详细的检测统计和历史记录
- 多模型支持：提供已训练模型供选择
2.3 模型数据查看
- 训练数据展示：查看模型训练过程中的数据和指标
- 验证结果展示：查看模型在测试集上的性能表现
- 精度统计：展示模型检测精度、mAP50、mAP50-95等关键指标
四、项目链接
链接: https://pan.baidu.com/s/139UyqgXdja_SFQIY4m0gJA?pwd=5ugu 提取码: 5ugu
- 完整系统源码
(1)前端源码(web-flask/templates)
(2)算法端源码(web-flask)
(3)模型训练代码(other/model_train/detect) - 部署教程
(1)环境安装教程(视频+文档)
(2)系统启动教程(视频+文档) - 项目文档
(1)系统介绍文档
(2)模型训练文档 - 车牌检测数据集(1类)
- 总样本数：10,125个样例
- 训练集：7,057个样例 (69.7%，用于模型训练)
- 验证集：2,048个样例 (20.2%，用于模型验证和性能调优)
- 测试集：1,020个样例 (10.1%，用于模型最终性能评估)
- 类别：License_Plate(车牌)
- 已经训练好的模型和测试结果(精度如下)
- precision: 0.992 (精确率99.2%)
- recall: 0.956 (召回率95.6%)
- mAP50: 0.981 (IoU阈值0.5时的平均精度98.1%)
- mAP50-95: 0.733 (IoU阈值0.5-0.95的平均精度73.3%)
- 测试集包含1,020张图片，1,085个检测实例