一、前言

前面說了這麼多，現在該來進行實作了，本次將會使用Kaggle的Car License Plate Detection資料庫進行訓練，這個資料庫包含了車輛的圖片以及已經框好車牌樣式的標籤檔，將這些資料透過YOLO V9訓練後，可以快速生成辨識車牌的功能，文字的部分會使用EasyOCR來實現，這個我們之後會提到，那我們就開始來製作吧！

二、初始化套件

本篇使用Jupyter Notebook進行實作

1. 再次確認pytorch是否安裝(因為很重要!)

import torch

print(f'{torch.cuda.is_available() = }')
print(f'{torch.cuda.device_count() = }')

2. 載入全部的套件

# 載入以下資料庫
import os 
import cv2
import shutil
import numpy as np
import pandas as pd
from glob import glob
import matplotlib.pyplot as plt
import xml.etree.ElemenTree as xet
from sklearn.model_selection import train_test_split

• 如未安裝以上套件，可以使用先前介紹的pipenv套件管理工具，或是使用python自帶的pip功能。

pipenv install Opencv-python
pipenv install numpy
pipenv install pandas
pipenv install glob
pipenv install matplotlib
pipenv install scikit-learn
pipenv install easyocr
pipenv install lxml

3. 安裝ultralytics套件

pipenv install ultralytics

下方會提供官方提供的套件版本內容的頁面，需要的可以參考。
https://github.com/ultralytics/ultralytics/blob/main/pyproject.toml

以上就是整個車牌辨識系統所使用的套件，下一章節我們將進行處理整個資料集的內容，那我們下篇見。