毕设所有选题：
https://blog.csdn.net/2303_76227485/article/details/131104075

基于python+深度学习+YOLOV7的车牌识别系统(源代码+数据库+3万字论文)

项目编号：271

一、系统介绍

1、用户：

• 在界面中选择各种图片，可以是自己在路边拍摄的图片，可以选择视频，可以调用摄像头，进行车牌识别，检测速度快，检测精度高。
• 使用yolov7来进行模型训练
• 车牌定位采用yolov7，数据集来自CCPD可以定位蓝色和绿色车牌，精准率99.8%。
• 车牌识别采用LPRnet，数据集来自CCPD和自己生成的车牌图像，可以识别蓝牌和绿牌，训练后模型准确率98.2%。
• 生成车牌图像模型使用CycleGAN，使用虚假车牌用gan网络生成真实车牌，用于扩充车牌数据集。
• 可视化界面使用的pyqt5,可以实现对图像的定位识别和视频或摄像头的车牌识别，ui界面根据自己需求可以进行更改

二、所用技术

python3.8、opencv、PyQt5、torch1.9、tensorflow、深度学习框架需要安装的是GPU版本

三、环境介绍

基础环境 :IDEA/pycharm, python3.8

所有项目以及源代码本人均调试运行无问题 可支持远程调试运行

四、页面截图

1、用户：

五、部署教程

1. 使用IDEA/PyCharm导入trafficSignDetection项目，File>setting>Project>Python interpreter配置虚拟环境

2. 安装软件所需的依赖库（注意：输入命令前，命令行需先进入项目目录的路径下，不然会提示找不到文件）
   方法一: 运行下方命令
   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 按照以上两步环境配置完成后，直接运行LPR_GUI.py文件即可打开程序。命令为：python LPR_GUI.py

六、模型训练

训练相关代码位置：

1. YOLOv7检测模型训练入口：yolov7/train.py
2. 数据集配置文件：yolov7/data/ccpd.yaml
3. 模型结构配置：yolov7/cfg/training/yolov7.yaml
4. 车牌字符识别训练入口（可选，若你要自己训练识别头）：lprnet/train.py

训练步骤：

1. 配好环境：Python + PyTorch（GPU版）+ 项目依赖。
2. 准备数据集：按 YOLO 格式整理图片和标签，并划分 train/val（可加 test）。
3. 修改 ccpd.yaml：把 train/val/test 路径改成你本机真实路径，确认 nc 和 names 正确。
4. 准备预训练权重：如 yolov7.pt（用于迁移学习，收敛更快）。
5. 在 yolov7 目录启动训练：指定 train.py + data/ccpd.yaml + cfg/training/yolov7.yaml + 预训练权重 + epochs/batch/img-size/device。
6. 训练完成后取模型：runs/train/exp*/weights/best.pt 一般作为最终检测模型。
   ce`。
7. 若需要完整“车牌识别”链路（检测+字符识别），再单独训练 lprnet/train.py，得到字符识别权重并与检测模型联调。