您是否在以下场景中感到困惑或受阻？

• 部署车辆识别收费程序时前后端分离导致跨域、接口不匹配的问题频发。
• 缺少完整的技术栈说明和依赖版本，导致环境搭建耗时数小时仍无法启动。
• 模型文件方法经常因项目搬迁或中文方法而找不到，调试成本高。
• 没有现成的默认账号和初始化脚本，首次登录总是“使用者不存在”。
• 想要自行训练车牌检测/识别模型，却找不到统一的训练脚本和数据组织方式。

程序概述

前后端分离的停车场收费与车牌识别演示程序：管理员使用后台进行通行、车辆、订单、费率与使用者管理；普通使用者使用前台查看车辆、识别车牌与停车订单。

技术栈

层级	技术
后端	Python 3.x、Flask、SQLAlchemy、Flask‑JWT‑Extended、PyMySQL
前端	Vue 3、Vite、Pinia、Vue Router、Element Plus、ECharts
数据库	MySQL 8.x
车牌检测模型	YOLO
车牌字符识别模型	CRNN + CTC

目录结构

c145/
├── backend/ # Flask 后端
│ ├── app/
│ │ ├── api/ # REST 蓝图：auth、vehicle、access、order、rate、admin
│ │ ├── models/ # ORM 模型
│ │ ├── services/ # 计费、停车会话
│ │ └── recognition/ # 识别封装
│ ├── uploads/ # 上传图片
│ ├── run.py # 启动入口
│ └── requirements.txt
├── frontend/ # Vue 前端
│ ├── src/
│ └── package.json
├── runs/detect/runs/train/license_plate_detection/weights/
│ └── best.pt # 训练好的检测权重
├── init.sql # 建表参考
├── train.py # YOLO 检测训练
├── plate_recognition/ # 车牌 CRNN+CTC 识别训练
└── README.md

环境要求

• Python ≥3.8
• Node.js ≥18.x
• MySQL 已安装并创建库：vehicle_system,字符集为
• 已训练好的检测模型与字符识别模型必须放置在项目指定目录中
• Pytorch 与 CUDA 环境

快速开始教程

. 数据库初始化

在 MySQL 中执行以下语句创建数据库：

CREATE DATABASE vehicle_system CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

可选：直接执行根目录下的手工建表。话说回来，若跳过此步骤，后端首次启动时会通过 SQLAlchemy 的create_all自动建表并写入默认账号。

. 后端启动

cd backend
pip install -r requirements.txt
python run.py
# 默认监听 http://127.0.0.1:5000

数据库连接默认配置：

或通过环境变量覆盖。

 cd frontend npm install npm run dev
地址通常为 `http://localhost:5173`。`vite.config.js` 已将 `/api` 代理到 `http://127.0.0.1:5000`，解决跨域问题。**生产建立**
bash
npm run build
将生成的 `dist/` 部署到任意静态服务器，并确保接口同源或通过 Nginx 将 `/api` 转发至后端。

默认账号信息 



角色
使用者名
密码
说明



管理员
admin
admin123
进入后台管理页面 /admin


普通使用者
user1
user123
进入使用者前台 /user



车牌识别主要说明 


检测模型：/runs/detect/runs/train/license_plate_detection/weights/best.pt。按理说，

字符识别模型：/runs/plate_crnn/best.pt。

完整识别流程：














异常处理：


至于{"msg"，"未检测到车牌"。"confidence":0}












`。

至于{"msg"，"字符识别失败"。"confidence":det_conf}`。

CRNN+CTC 车牌字符识别训练教程

准备工作：

• /dataset/`。结构如下： plaintext dataset/ ├─ images/ │ ├─ train/ │ └─ val/ └─ labels/ ├─ train/ └─ val/ 文件名必须包含 CCPD 编码，例如 `xxx_粤A12345_...jpg`，脚本会自动解析真实车牌号。

一键训练命令：

 python -m platerecognition.trainrecognition --epochs 30 --batch-size 64 --device cuda

`` 默认--data-root ./dataset权重保存至runs/platecrnn/best.pt字符映射保存至runs/platecrnn/chars.json`。

注意显存不足时请适当降低 --batch-size 或改为 cpu。

训练结束后无需额外步骤，后端接口会自动加载最新的 `b est.pt.` 完成字符推理。

API 与权限概览

• 登录：

  /api/auth/login → 返回 JWT token，后续请求头部加入 `Authorization: Bearer `. 

• *管理员*: 使用者管理、全量车辆维护、费率设置、订单减免／收费还有通行记录查询。API 示例： `/api/admin/users`,`/api/admin/rates`,`/api/admin/orders`.
• *普通使用者*: 查看本人车辆及对应订单。仅能调用上传图片进行车牌识别的接口 .

常见问题 & 疑难排查

1. 跨域报错 ：推荐看看使用 Vite 的代理功能，无需手动配置 CORS。说起来，生产环境请统一部署在同一域名下或通过 Nginx 设置反向代理 `/api`.
2. MySQL 链接失败：
3. 模型文件找不到：
4. 首次登录提示 “使用者不存在”：**方法**：确保已执行数据库初始化脚本 或让后端第一次启动时完成 `_seed_default_data`。如果手动删除了表，请重新运行该脚本。
5. GPU 加速无效或报错：“CUDA out of memory” ：**方法**：降级 batch size；怎么说呢，或者在执行命令中加入 `--device cpu`;若要启用多卡，请参考 PyTorch 官方文档配置 `torch.distributed`.

项目亮点 & 使用场景

完整 的前后端代码 + 深度学习模型。一站式交付，可直接用于教学实验或公司 PoC。

说到模块化。业务逻辑位于 Flask Blueprint 中，易于二次开发；前端基于 Pinia 状态管理，可灵活 页面功能。

可定制这方面。提供 YOLO 与 CRNN 的完整训练脚本，只需替换数据即可适配其他地区车牌格式。老实说，

安全的观点是。采用 JWT 鉴权 + 权限控制，区分管理员与普通使用者角色。

@开发日期这方面，2024‑08‑01  |  This project is original work by author。suitable for computer‑vision coursework,graduation projects and demo presentations.

作者原创项目地址：

。

---