Pour résoudre les problèmes de faible précision et de détection manquante dans la reconnaissance des plaques d’immatriculation par temps brumeux, une méthode de reconnaissance des numéros de plaques d’immatriculation basée sur l’apprentissage profond pour les conditions de brouillard est proposée. Tout d’abord, l’algorithme AOD-Net est utilisé pour le prétraitement de débrumage des images de véhicules. Ensuite, une réseau de détection de plaques d’immatriculation ACG_YOLOv5s est conçu basé sur le réseau YOLOv5. ACG_YOLOv5s intègre le mécanisme d’attention CBAM pour améliorer la capacité de résistance aux interférences du modèle ; le réseau de fusion adaptative des caractéristiques ASFF est introduit, qui attribue des poids différents aux différentes couches de caractéristiques en fonction des poids appris adaptativement par le modèle, afin de mettre en avant les informations caractéristiques importantes ; le module de convolution Ghost remplace la convolution traditionnelle afin de réduire le nombre de paramètres lors de l’entraînement tout en garantissant la performance du modèle. Enfin, la reconnaissance des plaques détectées est effectuée par LPRNet. Les résultats expérimentaux montrent que la précision de détection des plaques par le réseau ACG_YOLOv5s amélioré atteint 99,6 %, tandis que la précision de reconnaissance de LPRNet atteint 96 % avec une faible empreinte mémoire. Les expériences démontrent que la combinaison des algorithmes AOD-Net et YOLO permet une détection plus efficace des numéros de plaques sur les images en conditions de brouillard.

reconnaissance des numéros de plaques;algorithme AOD-Net;réseau YOLOv5;mécanisme d’attention