基于 YOLOv8 的下一代车牌检测与识别系统
计算机视觉与模式识别
2025-12-19 v1 人工智能
摘要
在交通管理和车辆监控的不断发展中，高效的车牌检测与识别不可或缺。历史上许多方法曾应对这一挑战，但在多样化环境中实现一致的实时准确性仍然困难。本研究考察了 YOLOv8 变体在车牌识别（LPR）和字符识别任务上的性能。两个不同的数据集被用于训练和评估，得出了显著发现。YOLOv8 Nano 变体在 LPR 任务上实现了 0.964 的精确率和 0.918 的 mAP50，而 YOLOv8 Small 变体在字符识别任务上实现了 0.92 的精确率和 0.91 的 mAP50。引入了一种自定义的字符排序方法，根据字符的 x 轴位置有效排列检测到的字符。提出了一种利用 YOLOv8 Nano 进行 LPR 和 YOLOv8 Small 进行字符识别的优化流水线。该配置不仅保持了计算效率，还确保了高精度，为未来在智能交通系统中的边缘设备实际部署奠定了坚实基础。这一努力标志着向更智能、更高效的城市基础设施建设迈出了重要一步。
引用
@article{arxiv.2512.16826,
title = {Next-Generation License Plate Detection and Recognition System using YOLOv8},
author = {Arslan Amin and Rafia Mumtaz and Muhammad Jawad Bashir and Syed Mohammad Hassan Zaidi},
journal= {arXiv preprint arXiv:2512.16826},
year = {2025}
}
备注
6 pages, 5 figures. Accepted and published in the 2023 IEEE 20th International Conference on Smart Communities: Improving Quality of Life using AI, Robotics and IoT (HONET)