# ccpd_yolo

**Repository Path**: linjunbin0101/ccpd_yolo

## Basic Information

- **Project Name**: ccpd_yolo
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-06
- **Last Updated**: 2026-02-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CCPD 车牌检测与识别项目

基于 YOLOv8 的车牌检测项目，使用 CCPD 数据集训练，集成百度 OCR 进行车牌号码识别。针对 RTX 5060 GPU 优化。

## 项目结构

```
ccpd_yolo/
├── ccpd_yolo_dataset/          # 数据集文件夹 (不上传到 Git)
│   ├── images/
│   │   ├── train/              # 训练集: 33,420 张图片
│   │   ├── val/                # 验证集: 4,177 张图片
│   │   └── test/               # 测试集: 4,179 张图片
│   ├── labels/
│   │   ├── train/              # 训练集标签
│   │   ├── val/                # 验证集标签
│   │   └── test/               # 测试集标签
│   └── dataset.yaml            # YOLO 数据集配置文件
├── train_license_plate.py      # Python 训练脚本
├── train_license_plate.ipynb   # Jupyter 训练笔记本
├── detect_plate_baidu.py       # 车牌检测与识别主程序 ⭐ 使用百度 OCR
├── baidu_ocr_recognition.py    # 百度 OCR 识别模块
├── config.py                   # 百度 API 密钥配置
├── pt/                         # 训练好的模型目录
│   ├── best.pt                 # 最佳模型
│   └── last.pt                 # 最后模型
├── README.md                   # 本文件
└── .gitignore                  # Git 忽略配置
```

## 功能特点

- **车牌检测**: 使用 YOLOv8 模型检测车牌位置
- **车牌识别**: 使用百度 OCR API 识别车牌号码（中文+英文）
- **车牌颜色**: 自动识别车牌颜色（蓝牌、黄牌、绿牌等）
- **高精度**: 百度 OCR 中文识别准确率 > 99%

## 数据集信息

- **总图片数**: 41,776 张
- **训练集**: 33,420 张 (80%)
- **验证集**: 4,177 张 (10%)
- **测试集**: 4,179 张 (10%)
- **类别**: license_plate (车牌)

### 数据来源

原始数据来自 CCPD (Chinese City Parking Dataset):
- `plate-blue`: 30,000 张
- `ccpd_green`: 11,776 张

数据已平铺并按 80%/10%/10% 比例随机分配到 train/val/test。

### 数据集下载

由于数据集文件较大 (约 4万+ 张图片)，未包含在 Git 仓库中。请从以下链接下载：

📦 **阿里云盘**: [ccpd_yolo_dataset.7z](https://www.alipan.com/t/oh6CEKlIyREWnLb38DY8)

下载后解压到项目根目录即可。

## 环境要求

- **Python**: 3.10 或更高版本
- **GPU**: NVIDIA RTX 5060 (支持 sm_120)
- **CUDA**: 12.9
- **PyTorch**: 2.8.0+ (支持 sm_120)

## 安装依赖

### 1. 安装 PyTorch (支持 RTX 5060)

```bash
pip install torch==2.8.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu129
```

### 2. 安装其他依赖

```bash
pip install ultralytics opencv-python baidu-aip
```

### 3. 配置百度 OCR API

1. 访问 [百度智能云](https://cloud.baidu.com/)
2. 创建文字识别应用，获取 API Key 和 Secret Key
3. 在 `config.py` 中填入您的密钥：

```python
BAIDU_OCR_CONFIG = {
    'app_id': '您的 AppID',
    'api_key': '您的 API Key',
    'secret_key': '您的 Secret Key'
}
```

## 快速开始

### 训练模型

```bash
python train_license_plate.py
```

或使用 Jupyter Notebook：

```bash
jupyter notebook train_license_plate.ipynb
```

### 车牌检测与识别

```bash
# 检测单张图片
python detect_plate_baidu.py --source image.jpg

# 批量检测目录
python detect_plate_baidu.py --source images/

# 保存车牌剪切图像
python detect_plate_baidu.py --source image.jpg --save-crops

# 调整置信度阈值
python detect_plate_baidu.py --source image.jpg --conf 0.5
```

## 训练配置

当前优化配置 (针对 RTX 5060 8GB 显存):

| 参数 | 值 | 说明 |
|-----|-----|------|
| epochs | 10 | 训练轮数 |
| batch | 64 | 批次大小 |
| imgsz | 640 | 输入图像尺寸 |
| model | yolov8n.pt | 预训练模型 |
| optimizer | AdamW | 优化器 |
| lr0 | 0.01 | 初始学习率 |
| workers | 0 | Windows 兼容性 |
| device | 0 | GPU 设备 |
| amp | True | 自动混合精度 |
| cache | True | 数据缓存 |

## 识别效果对比

| OCR 引擎 | 识别结果 | 准确率 |
|---------|---------|--------|
| Tesseract | `5C341I` | ❌ 错误 |
| 百度 OCR | `鲁C982NL` | ✅ 100% 正确 |

## 注意事项

1. **百度 OCR 免费额度**: 每月 50,000 次免费调用，足够个人使用
2. **网络连接**: 使用百度 OCR 需要联网
3. **完整图像**: 百度 OCR 需要完整图像（包含车牌和背景），不能只用剪切的车牌

## 常见问题

### Q: 为什么 GPU 利用率不高？
A: 尝试增大 batch size 到 64 或更高。

### Q: 百度 OCR 识别失败？
A: 检查网络连接和 API 密钥配置是否正确。

### Q: 遇到 CUDA out of memory？
A: 减小 batch size 到 32 或 16。

## 许可证

本项目仅供学习和研究使用。

## 致谢

- [CCPD Dataset](https://github.com/detectRecog/CCPD)
- [Ultralytics YOLO](https://github.com/ultralytics/ultralytics)
- [百度智能云 OCR](https://cloud.baidu.com/)