.idea/License_plate_recognition.iml

@@ -2,7 +2,7 @@
 <module type="PYTHON_MODULE" version="4">
   <component name="NewModuleRootManager">
     <content url="file://$MODULE_DIR$" />
-    <orderEntry type="jdk" jdkName="pytorh" jdkType="Python SDK" />
+    <orderEntry type="jdk" jdkName="cnm" jdkType="Python SDK" />
     <orderEntry type="sourceFolder" forTests="false" />
   </component>
   <component name="PyDocumentationSettings">

.idea/misc.xml

@@ -3,5 +3,5 @@
   <component name="Black">
     <option name="sdkName" value="pytorh" />
   </component>
-  <component name="ProjectRootManager" version="2" project-jdk-name="pytorh" project-jdk-type="Python SDK" />
+  <component name="ProjectRootManager" version="2" project-jdk-name="cnm" project-jdk-type="Python SDK" />
 </project>

.idea/vcs.xml

@@ -1,7 +1,7 @@
 <?xml version="1.0" encoding="UTF-8"?>
 <project version="4">
   <component name="VcsDirectoryMappings">
-    <mapping directory="" vcs="Git" />
+    <mapping directory="$PROJECT_DIR$/.." vcs="Git" />
     <mapping directory="$PROJECT_DIR$" vcs="Git" />
   </component>
 </project>

CRNN_part/crnn_interface.py

@@ -207,7 +207,7 @@ class LicensePlatePreprocessor:
             print(f"图像预处理失败: {e}")
             return None
 
-def initialize_crnn_model():
+def LPRNinitialize_model():
     """
     初始化CRNN模型
     
@@ -274,7 +274,7 @@ def initialize_crnn_model():
         traceback.print_exc()
         return False
 
-def crnn_predict(image_array):
+def LPRNmodel_predict(image_array):
     """
     CRNN车牌号识别接口函数
     

OCR_part/ocr_interface.py

@@ -1,36 +1,49 @@
 import numpy as np
+from paddleocr import TextRecognition
+import cv2
+
+class OCRProcessor:
+    def __init__(self):
+        self.model = TextRecognition(model_name="PP-OCRv5_server_rec")
+        print("OCR模型初始化完成（占位）")
+
+    def predict(self, image_array):
+        # 保持原有模型调用方式
+        output = self.model.predict(input=image_array)
+        # 结构化输出结果
+        results = output[0]["rec_text"]
+        placeholder_result = results.split(',')
+        return placeholder_result
+
+# 保留原有函数接口
+_processor = OCRProcessor()
+
+def LPRNinitialize_model():
+    return _processor
+
+def LPRNmodel_predict(image_array):
+    # 获取原始预测结果
+    raw_result = _processor.predict(image_array)
+    
+    # 将结果合并为字符串（如果是列表的话）
+    if isinstance(raw_result, list):
+        result_str = ''.join(raw_result)
+    else:
+        result_str = str(raw_result)
+    
+    # 过滤掉'·'字符
+    filtered_str = result_str.replace('·', '')
+    
+    # 转换为字符列表
+    char_list = list(filtered_str)
+    
+    # 确保返回长度为7的列表
+    if len(char_list) >= 7:
+        # 如果长度大于等于7，取前7个字符
+        return char_list[:7]
+    else:
+        # 如果长度小于7，用空字符串补齐到7位
+        return char_list + [''] * (7 - len(char_list))
 
-def initialize_ocr_model():
-    """
-    初始化OCR模型
-    
-    返回:
-        bool: 初始化是否成功
-    """
-    # OCR模型初始化代码
-    # 例如: 加载预训练模型、设置参数等
-    
-    print("OCR模型初始化完成（占位）")
-    return True
 
-def ocr_predict(image_array):
-    """
-    OCR车牌号识别接口函数
-    
-    参数:
-        image_array: numpy数组格式的车牌图像，已经过矫正处理
-    
-    返回:
-        list: 包含7个字符的列表，代表车牌号的每个字符
-              例如: ['京', 'A', '1', '2', '3', '4', '5']
-    """
-    # 这是OCR部分的占位函数
-    # 实际实现时，这里应该包含:
-    # 1. 图像预处理
-    # 2. OCR模型推理
-    # 3. 后处理和字符识别
-    
-    # 临时返回占位结果
-    placeholder_result = ['待', '识', '别', '0', '0', '0', '0']
-    return placeholder_result
 

main.py

@@ -9,11 +9,11 @@ from PyQt5.QtCore import QTimer, Qt, pyqtSignal, QThread
 from PyQt5.QtGui import QImage, QPixmap, QFont, QPainter, QPen, QColor
 import os
 from yolopart.detector import LicensePlateYOLO
-#from OCR_part.ocr_interface import ocr_predict
-#from OCR_part.ocr_interface import initialize_ocr_model
-# 使用CRNN进行车牌字符识别
-from CRNN_part.crnn_interface import crnn_predict
-from CRNN_part.crnn_interface import initialize_crnn_model
+from OCR_part.ocr_interface import LPRNmodel_predict
+from OCR_part.ocr_interface import LPRNinitialize_model
+# 使用CRNN进行车牌字符识别（可选）同时也要修改第395，396行
+# from CRNN_part.crnn_interface import LPRNmodel_predict
+# from CRNN_part.crnn_interface import LPRNinitialize_model
 
 class CameraThread(QThread):
     """摄像头线程类"""
@@ -163,9 +163,8 @@ class MainWindow(QMainWindow):
         self.init_detector()
         self.init_camera()
 
-        # 初始化OCR/CRNN模型（具体用哪个模块识别车牌号就写在这儿）
-        #initialize_ocr_model()
-        initialize_crnn_model()
+        # 初始化OCR/CRNN模型（函数名改成一样的了，所以不要修改这里了，想用哪个模块直接导入）
+        LPRNinitialize_model()
 
     
     def init_ui(self):
@@ -390,10 +389,9 @@ class MainWindow(QMainWindow):
             return "识别失败"
         
         try:
-            # 使用OCR接口进行识别
-            # 可以根据需要切换为CRNN: crnn_predict(corrected_image)
-            #result = ocr_predict(corrected_image)
-            result = crnn_predict(corrected_image)
+            # 预测函数（来自模块）
+            # 函数名改成一样的了，所以不要修改这里了，想用哪个模块直接导入
+            result = LPRNmodel_predict(corrected_image)
             
             # 将字符列表转换为字符串
             if isinstance(result, list) and len(result) >= 7:

requirements.txt

@@ -11,6 +11,11 @@ PyQt5>=5.15.0
 # 图像处理
 Pillow>=8.0.0
 
+#paddleocr
+python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
+python -m pip install "paddleocr[all]"
+
+
 # 可选：如果需要GPU加速
 # torch>=1.9.0
 # torchvision>=0.10.0