基于 PaddleOCR + PySide6 的车牌识别系统

从环境搭建到系统落地，一篇踩坑无数的完整实战笔记。

前言

最近完成了基于 PaddleOCR 的车牌识别系统，从环境配置到代码开发踩了无数坑，尤其是 Python 版本、依赖冲突、pip 下载这些，折腾了两天才跑通。把整个过程记录下来，希望能帮到后面做类似项目的同学。

项目最终效果：一个带 GUI 的桌面程序，支持导入图片、检测车牌、识别字符、格式校验、结果可视化、历史记录存储。

一、技术选型

模块	选型	原因
OCR 引擎	PaddleOCR 2.7.0	中文车牌识别效果好，开源免费
深度学习框架	PaddlePaddle 2.6.2	PaddleOCR 依赖
GUI 框架	PySide6 6.6.0	Qt 官方版，LGPL 免商业授权
图像处理	OpenCV 4.6.0.66	PaddleOCR 限定了版本上限
开发语言	Python 3.10	兼容 PaddlePaddle 的最稳版本

二、环境搭建（踩坑重灾区）

坑 1：Python 版本不能太高

系统原来装的是 Python 3.14 ，结果 pip install paddlepaddle 直接失败。

原因：PaddlePaddle 2.6.x 官方只支持到 Python 3.12，3.13/3.14 没有预编译包。

解决：安装 Python 3.10。

bash

复制代码

py -0   # 查看系统所有 Python 版本

注意：Python 3.10.22 是「source-only release」，不提供安装包。要下 3.10.11，这是最后一个带 Windows 安装包的版本。

坑 2：paddlepaddle 2.6.0 从 PyPI 下架了

按教程写的 paddlepaddle==2.6.0，pip 报：

text

复制代码

ERROR: Could not find a version that satisfies the requirement paddlepaddle==2.6.0
(from versions: 2.6.2, 3.0.0b2, ...)

解决：改用 2.6.2，这是目前可用的最接近版本。

坑 3：opencv-python 版本冲突

text

复制代码

paddleocr 2.7.0.0 depends on opencv-python<=4.6.0.66

之前 requirements.txt 里写的是 4.8.1.78，冲突了。

解决：requirements.txt 改成：

text

复制代码

paddlepaddle==2.6.2
paddleocr==2.7.0
PySide6==6.6.0
opencv-python==4.6.0.66
numpy>=1.24,<2.0

坑 4：pip 下载大文件慢

pip 下载 100MB+ 的 whl 文件只有 300KB/s，但浏览器直接点链接能跑满带宽。

原因：pip 是单线程顺序下载，浏览器会多线程分段并发拉取。

解决：浏览器下载 whl 到本地，再 pip install xxx.whl。

text

复制代码

https://mirrors.aliyun.com/pypi/packages/.../paddlepaddle-2.6.2-cp310-cp310-win_amd64.whl

顺便说一句，配好默认镜像源能让 pip 快不少：

bash
复制代码
python -m pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
python -m pip config set global.trusted-host mirrors.aliyun.com

坑 5：每个项目都建 venv，硬盘爆炸

一开始每个项目都建独立 venv，结果一个车牌识别项目的 venv 就有 1.8G。

解决：把库装到 Python 3.10 全局，所有项目共用。

bash

复制代码

# 退出虚拟环境后，装到全局
py -3.10 -m pip install -r requirements.txt

或者把现有 venv 的 site-packages 内容直接复制到全局：

text

复制代码

.venv\Lib\site-packages\*  →  C:\...\Python310\Lib\site-packages\

注意：跳过 _virtualenv.py、_virtualenv.pth、pip/、setuptools/ 这些 venv 专属文件。

验证：

bash

复制代码

py -3.10 -c "import paddle, paddleocr, cv2, PySide6, numpy; print('OK')"

输出 OK 就成功了。删掉 venv，省 1.8G。

三、项目架构（OOP 分层）

毕设要体现工程化，不能写成一坨脚本。采用分层 + 面向对象设计：

复制代码

paddle_lpr/
├── main.py                  # 入口
├── config.py                # 全局配置（dataclass）
├── core/                    # 业务层（不依赖任何 UI 库）
│   ├── base.py              # 抽象基类
│   ├── image_utils.py       # 中文路径图像读写
│   ├── detector.py          # 车牌检测
│   ├── recognizer.py        # 字符识别
│   ├── validator.py         # 格式校验+纠错
│   └── engine.py            # 识别引擎（组合器）
├── ui/                      # 界面层
│   ├── widgets.py
│   └── main_window.py
├── workers/                 # 多线程
│   └── recognize_worker.py
└── db/                      # 持久化
    └── history_dao.py

核心原则：

core/ 严禁 import PySide6，业务逻辑可独立复用
ui/ 只调用 core/ 暴露的接口
抽象基类定义接口，子类实现具体逻辑

架构图

复制代码

┌─────────────┐
│   ui/       │  ← 界面层
│ main_window │
└──────┬──────┘
       │ Signal/Slot
┌──────▼──────┐
│  workers/   │  ← 线程层
│  QThread    │
└──────┬──────┘
       │
┌──────▼──────┐
│   core/     │  ← 业务层（不依赖UI）
│   engine    │
│ ┌─────────┐ │
│ │detector │ │
│ │recognizer│ │
│ │validator│ │
│ └─────────┘ │
└──────┬──────┘
       │ DAO
┌──────▼──────┐
│    db/      │  ← 持久化
│  SQLite     │
└─────────────┘

设计模式落点

模式	落点
模板方法	`BaseComponent.initialize()` → `_load_model()`
组合模式	`PlateRecognitionEngine` 组合三个组件
观察者	PySide6 Signal/Slot 解耦 UI 与业务
DAO	`HistoryDAO` 封装 SQLite 访问
单例思想	PaddleOCR 引擎只初始化一次

核心抽象基类

python

复制代码

from abc import ABC, abstractmethod

class BaseDetector(ABC):
    @abstractmethod
    def detect(self, image) -> list:
        """输入 BGR 图像，返回检测框列表"""
        pass

class BaseRecognizer(ABC):
    @abstractmethod
    def recognize(self, image) -> dict:
        """输入车牌裁剪图，返回 {text, confidence}"""
        pass

引擎只依赖这两个接口，未来换 YOLO 检测器或别的识别模型，只要继承基类就行。

车牌格式校验（创新点）

用规则约束纠正 OCR 形近字误判：

python

复制代码

class PlateValidator:
    CONFUSION_MAP = {
        'O': '0', 'Q': '0', 'D': '0',
        'I': '1', 'L': '1',
        'Z': '2', 'S': '5',
        'B': '8', 'G': '6', 'T': '7',
    }

    def validate(self, text: str) -> dict:
        # 长度校验、省份简称校验、第二位字母校验
        # 新能源尾位 D/F 保留
        ...

四、界面效果

五、踩坑总结

坑	教训
Python 3.14 装不上 paddle	用 3.10，稳
paddlepaddle 2.6.0 下架	用 2.6.2
opencv 版本冲突	按 paddleocr 要求锁 4.6.0.66
pip 下载慢	浏览器下载 + 本地安装
每个项目建 venv 硬盘爆炸	全局装一次，所有项目共用
手动复制 site-packages	跳过 `_virtualenv.py` 等专属文件

六、后续可扩展方向

视频流识别 ：cv2.VideoCapture + QTimer 逐帧识别
批量处理 ：文件夹遍历 + CSV 导出 + QProgressDialog
模型微调：在 CCPD 数据集上微调 PaddleOCR，作为论文「改进章节」
深色主题：QSS 切换样式表

七、总结

这个项目踩坑主要集中在环境配置，Python 版本、依赖版本、镜像源、磁盘占用，每个都是几小时起步。真正写代码反而因为 OOP 架构设计清晰，效率高很多。

给做类似毕设的同学几点建议：

Python 用 3.10，别折腾新版本
依赖版本严格按官方要求锁死，别自己升级
大文件用浏览器下载，pip 单线程太慢
库装全局，别每个项目建 venv
OOP 分层架构，论文有东西写，答辩有亮点

如有定制需要DD我，如果这篇文章帮到你，点个赞再走～有问题评论区见。