Para abordar los problemas de baja precisión y omisión en el reconocimiento de matrículas bajo condiciones de niebla, se propone un método basado en aprendizaje profundo para el reconocimiento de números de matrículas en condiciones de niebla. Primero, se utiliza el algoritmo AOD-Net para el preprocesamiento de eliminación de niebla en imágenes de vehículos. Luego, basado en la red YOLOv5, se diseña una red de detección de matrículas llamada ACG_YOLOv5s. ACG_YOLOv5s incorpora el mecanismo de atención CBAM para mejorar la capacidad del modelo para resistir interferencias; se introduce la red de fusión de características adaptativa ASFF, que asigna diferentes pesos a distintas capas de características según los pesos aprendidos adaptativamente por el modelo, destacando así la información importante; se utiliza el módulo de convolución Ghost para reemplazar la convolución tradicional, reduciendo la cantidad de parámetros durante el entrenamiento sin sacrificar el rendimiento del modelo. Finalmente, se realiza el reconocimiento de las matrículas detectadas mediante LPRNet. Los resultados experimentales muestran que la precisión de detección de matrículas de la red ACG_YOLOv5s mejorada alcanza el 99.6%, y la precisión de reconocimiento de LPRNet es del 96% con bajo uso de memoria. Los experimentos demuestran que la combinación de los algoritmos AOD-Net y YOLO permite una detección más efectiva de los números de matrículas en imágenes con niebla.

reconocimiento de números de matrículas;algoritmo AOD-Net;red YOLOv5;mecanismo de atención