第39卷第2期2024年2月Vol.39No.2Feb.2024液晶与显示ChineseJournalofLiquidCrystalsandDisplays基于深度学习的雾霾天气下的车牌号码识别方法杨云*，王静，姜佳乐（陕西科技大学电子信息与人工智能学院，陕西西安710021）摘要：针对雾霾天气下车牌识别存在的精确度低、漏检等问题，提出了一种基于深度学习的雾霾天气下的车牌号码识别方法。首先用AOD-Net算法对车辆图像进行去雾预处理。然后，基于YOLOv5网络设计一种车牌检测网络ACG_YOLOv5s。ACG_YOLOv5s是在YOLOv5s网络的基础上，融入CBAM注意力机制，提高模型的抗干扰能力；引入自适应特征融合网络ASFF，根据模型自适应学习到的权重赋予网络不同特征层不同比重的权值，从而突出重要特征信息；使用Ghost卷积模块替换传统卷积，在保证模型效果的同时减少了网络训练过程中的参数量。最后通过LPRNet对检测到的车牌图像进行识别。实验结果表明，改进后的ACG_YOLOv5s网络车牌检测准确率达到99.6%，LPRNet识别准确率达96%且内存占比小。实验证明AOD-Net算法和YOLO算法结合可更加有效地检测雾霾天气下车牌图像中的车牌号码。关键词：车牌号码识别；AOD-Net算法；YOLOv5网络；注意力机制中图分类号：TP391文献标识码：Adoi：10.37188/CJLCD.2023-0123MethodofvehiclelicenseplaterecognitioninhazeweatherbasedondeeplearningYANGYun*，WANGJing，JIANGJiale（SchoolofElectronicInformationandArtificialIntelligence，ShaanxiUniversityofScienceandTechnology，Xi'an710021，China）Abstract：Adeeplearningbasedlicenseplatenumberrecognitionmethodisproposedtoaddresstheissuesoflowaccuracyandmisseddetectioninlicenseplaterecognitionunderhazeweather.Firstly，theAOD-Netalgorithmisusedtopre-processthevehicleimagefordefogging.Then，alicenseplatedetectionnetworkACG_YOLOv5sisdesignedbasedonYOLOv5network.ACG_YOLOv5sintegratesCBAMattentionmechanismonthebasisofYOLOv5snetworktoimprovethemodel’santi-interferenceability.Anadaptivefeaturefusionnetwork（ASFF）isintroduced，whichassignsweightstodifferentfeaturelayersofthenetworkbasedontheweightsadaptivelylearnedbythemodel，therebyhighlightingimportantfeatureinformation.ThetraditionalconvolutionisreplacedwithGhostconvolutionmoduleandthenumberofparametersduringnetworktrainingisreducedwhileensuringmodel...
