안개 날씨에서 차량 번호판 인식의 낮은 정확도와 누락 문제를 해결하기 위해 딥러닝 기반의 안개 날씨 번호판 인식 방법을 제안하였다. 먼저 AOD-Net 알고리즘을 사용하여 차량 이미지의 안개 제거 전처리를 수행하였다. 그 다음 YOLOv5 네트워크를 기반으로 한 번호판 검출 네트워크인 ACG_YOLOv5s를 설계하였다. ACG_YOLOv5s는 CBAM 주의 메커니즘을 통합하여 모델의 간섭 저항 능력을 향상시키고; ASFF 적응형 특징 융합 네트워크를 도입하여 모델이 학습한 가중치에 따라 서로 다른 특징 층에 서로 다른 가중치를 부여하여 중요한 특징 정보를 강조하며; 기존의 합성곱을 Ghost 합성곱 모듈로 대체하여 모델 성능을 유지하면서 네트워크 훈련 중 파라미터 수를 줄였다. 마지막으로 LPRNet을 통해 검출된 번호판 이미지를 인식하였다. 실험 결과 개선된 ACG_YOLOv5s 네트워크의 번호판 검출 정확도는 99.6%에 도달하였고, LPRNet 인식 정확도는 96%이며 메모리 사용률도 낮았다. 실험을 통해 AOD-Net 알고리즘과 YOLO 알고리즘의 결합이 안개 날씨 번호판 이미지에서 번호판 번호를 더 효과적으로 검출할 수 있음을 증명하였다.

번호판 인식;AOD-Net 알고리즘;YOLOv5 네트워크;주의 메커니즘