yolov5 车牌识别-应用程序原理说明
模型标注
首先，利用labelme，将车牌进行矩形标注，如下，注意了，这里只标注车牌，不标注字符，这么做的目的是为了提高字符的识别度，避免识别字符时，受车牌以外的环境干扰。
标注完之后，利用yolov5进行训练，得到模型文件“best-car.pt”，然后利用pt文件将识别到的车牌矩形框裁剪出来并保存，得到如下图片集，博主这里一共裁剪了200多张车牌。
裁剪完成之后，再对车牌进行字符的标注：
标注完之后，同样的利用yolov5进行训练，得到模型文件“best-number.pt”。
通过以上操作，我们会得到两个pt文件，一个是车牌识别的“best-car.pt”文件，还有一个是车牌字符识别的“best-number.pt”文件。
应用程序流程
步骤1：
输入原始图像，调用best-car.pt模型，提取出所有车牌的ROI图像。
步骤2：
因为扣取出来的图像尺寸不统一，所以我们需要统一一下长度，高度就不用统一了，按比例缩放即可。
长度统一按400像素进行设置，操作如下：
bl = 400 / numberRoi.shape[1]
numberRoi = cv2.resize(numberRoi, (int(numberRoi.shape[1] * bl), int(numberRoi.shape[0] * bl)),
interpolation=cv2.INTER_NEAREST)
步骤3：
调用best-number.pt模型，提取出对车牌预测到的所有字符，包括字符坐标、匹配度等信息，然后对坐标的X轴进行升序排序，得到的就是车牌字符的正确排列顺序了。（下图标记的就是X轴坐标值）
步骤4：
最后只需要对识别到的字符转换成车牌信息输出即可
