C#使用轻量级深度学习模型进行车牌颜色识别和车牌号识别

看到这个文章时候请注意这个不涉及到车牌检测,这个仅仅是车牌颜色和车牌号识别,如果想涉及到车牌检测可以参考这个博客:C#winform部署yolov7+CRNN实现车牌颜色识别车牌号检测识别_c# yolo 车牌识别-CSDN博客

【训练源码】

https://github.com/we0091234/crnn_plate_recognition/tree/plate_color

车牌识别+车牌颜色用一个模型如图所示,右边是我们已经训练好的车牌字符识别模型,只需训练左边边颜色分支即可。模型结构:

训练颜色分支

  1. 下载车牌颜色数据集,或者准备自己的数据集

  2. 准备你训练好的车牌字符识别模型

  3. 训练

    复制代码
    python train_fix_color.py --weights saved_model/plate_rec.pth --train_path datasets/train  --val_path datasets/val --model_path color_model

    结果保存再color_model文件夹中

测试demo

复制代码
python demo_plate_color.py --model_path saved_model/plate_rec_color.pth --image_path images/test.jpg

结果是:

导出onnx

复制代码
python export.py --weights saved_model/plate_rec_color.pth --save_path saved_model/plate_rec_color.onnx  --simplify
onnx 推理
复制代码
python onnx_infer.py --onnx_file saved_model/plate_rec_color.onnx  --image_path images/test.jpg

【界面展示】

【效果展示】

特别注意:双层车牌需要自己提前分割合并,就是把上下2行文字合并为一行图片然后推理就可以识别颜色,否则可能识别出来的颜色不对。

【测试环境】

vs2019 netframework4.7.2 opencvsharp4.8.0 onnxruntime1.16

【部分实现代码】

复制代码
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;

namespace FIRC
{
    public partial class Form1 : Form
    {
        Bitmap bmp = null;
       PlateManager pm = new PlateManager();
        public Form1()
        {
            InitializeComponent();
        }

        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFileDialog = new OpenFileDialog();
            openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";
            openFileDialog.RestoreDirectory = true;
            openFileDialog.Multiselect = false;
            if (openFileDialog.ShowDialog() == DialogResult.OK)
            {
              
                if(bmp!=null)
                {
                    bmp.Dispose();
                }
                bmp = new Bitmap(openFileDialog.FileName);
                pictureBox1.Image = bmp;


            }


        }

        private void button2_Click(object sender, EventArgs e)
        {
            if(pictureBox1.Image==null)
            {
                return;
            }
            Stopwatch sw = new Stopwatch();
            sw.Start();
            var result = pm.Inference(bmp);
            sw.Stop();
            this.Text = "耗时" + sw.Elapsed.TotalSeconds + "秒";
            textBox1.Text = "车牌颜色:" + result.CarColor + "\r\n车牌号:" + result.CarNumber;
      
           
        }

        private void Form1_Load(object sender, EventArgs e)
        {
            pm.LoadWeights();

        }

        private void btn_video_Click(object sender, EventArgs e)
        {
           
         
        }
    }
}

【视频演示】

C#使用轻量级深度学习模型进行车牌颜色识别和车牌号识别_哔哩哔哩_bilibili测试环境:vs2019netframework4.7.2opencvsharp4.8.0onnxruntime1.16更多详细信息参考博文:, 视频播放量 4、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心,相关视频:C#使用OpenCvSharp实现黑白老照片上色,【SD】AI一键穿脱衣?别太邪恶了吧!兄弟们懂得都懂!,用C#部署yolov8的tensorrt模型进行目标检测winform最快检测速度,使用易语言调用opencv进行视频和摄像头每一帧处理,使用纯opencv部署yolov8目标检测模型onnx,将yolov8封装成一个类几行代码完成语义分割任务,基于onnx模型加密与解密深度学习模型保护方法介绍,将yolov5-6.2封装成一个类几行代码完成语义分割任务,使用C#部署openvino-yolov5s模型,易语言部署yolox的onnx模型https://www.bilibili.com/video/BV1jT421a7eP/

【源码下载】

https://download.csdn.net/download/FL1623863129/89453040

相关推荐
QY_Research_3 小时前
2026房地产NFT平台创业机遇与落地指南分析报告
大数据·人工智能·物联网·机器人·制造
机器人零零壹5 小时前
技术白皮书:iRobotCAM如何解决机器人激光切割应用中的核心难点,从CAD离线编程到双目视觉定位与轨迹自适应提升复杂空间曲线切割的精度、效率与柔性化水平
人工智能·算法
电子元件小说家6 小时前
2026年四季度电感市场观察:AI算力与汽车电子驱动下的选型与验证建议智能硬件
人工智能·汽车
网易CodeWave-小码哥6 小时前
支持多模块 Java 微服务导入|CodeWave SDD V4.5.10 上线
人工智能
AI你一生一世6 小时前
不止于时序存储:DolphinDB 如何成为 AI 时代的工业智能底座
java·人工智能·struts·时序数据库·工业智能·dolphindb·ai基础设施
belldeep6 小时前
python:genesis-world, Genesis-Embodied-AI
人工智能·python·ai·genesis
怕浪猫6 小时前
小程序成长计划上新:10 亿 Token 现在能调 DeepSeek-v4.1-flash了
人工智能·aigc·ai编程
ss2736 小时前
为什么PostgreSQL适合AI场景?
数据库·人工智能·postgresql
七牛云行业应用7 小时前
DeepSeek Super-agent 与 Grok Bot:开源 Agent 架构和聊天助手有何区别
人工智能·ai·架构·ai编程
维克兜率天7 小时前
【维克】趋势型CTA:期货市场的“追涨杀跌“
人工智能·python