車牌辨識的正確率
車牌辨識能否完全正確，決定此 app 可否商業化，很不幸的，無法完全 100% 正確。
車牌辨識的正確率受限於影像大小、位置、角度、拍攝光線亮度。所以停車場為了要提高辨識精準度，一定會在車子的進出入口，在特定距離、特定角度進行拍攝。在這二個限定條件下，就可以提高精準度，但還是會有例外。所以繳費時，車主只能輸入 4 位車牌數字號碼，然後在眾多照片中選擇是那一台車，再進行付費。
如果是路上隨機拍攝的 Video 影片辨識呢? 這就有很多調校的方式，目前還沒有絕對精準的方法。
車牌位置偵測方法
OpenCv-python
網路上關於車牌位置的偵測，許多介紹都是使用 opencv-python 的灰階化(BGR2GRAY)->高斯模糊(cv2.GaussianBlur)->邊緣檢測(cv2.Canny)->輪廓檢測(cv2.findCoutours)，最後定出車牌的四方矩型位置。這種方法其實無法商業化，尤其是車牌是白底黑字，然後車身又是白色，就完全無用。
YOLO
使用 YOLO 訓練車牌辨識是最精準的方式，此方法適用各國的車型及顏色。
安裝套件
要執行 yolo v8 版，需安裝如下套件，請依序執行如下指令
🔒 完整內容請註冊並登入會員。
免費註冊登入執行完畢後，會產生 archive/labels 目錄，裏面的檔案就是轉換後的 txt 檔
分割訓練及驗証資料
新增 split.py 檔，將 90% 的資料置入 train, 10% 放置到 val。
🔒 完整內容請註冊並登入會員。
免費註冊登入執行完後，會在 dataset 目錄產生 images 及 labels 二個目錄，裏面分別有 train 及 val 二個目錄。
data.yaml 資料集設定
在 ./dataset 目錄下新增 data.yaml，加入如下設定
train: e:/python/car/dataset/images/train val: e:/python/car/dataset/images/val nc: 1 names: [ 'license']
訓練模型
新增 train.py 檔，代碼如下
🔒 完整內容請註冊並登入會員。
免費註冊登入訓練完成後，會在專案下的 runs/detect/train/weights 產生 best.pt 模型。
無法訓練的人，請由如下網址下載 : runs.zip。下載後請解壓縮至此。
車牌偵測及辨識
車牌位置偵測及英數字辨識代碼如下，底下代碼可以按一下滑鼠左鍵切換到下一張圖。
測試圖片請由本站下載 images.zip，下載完請解壓縮至此。