简介：面向机器学习课程设计与期末大作业的轮胎字符识别完整项目，提供可直接运行的Python源码、配套文档说明与训练数据，覆盖从轮胎图像预处理、字符定位到识别的全流程。项目包含模型推理与参数文件、大量测试图片及多种识别结果样例，代码注释细致，关键步骤均有解释，新手也能对照理解，便于答辩讲解。压缩包共156个文件，以Python源码、图像素材、模型参数文件及说明文档为主，整体约333MB，资源结构清晰，下载后简单配置即可部署运行。已有298人学习下载，适合课程设计、期末大作业或入门OCR场景的快速参考。下载后可获得完整数据集、带注释代码、预训练模型与识别结果截图，文档说明进一步梳理实现思路，可直接复用于类似字符识别任务，具有较高的实际应用价值。
1. 轮胎字符识别是什么：一道让通用OCR翻车的机器学习作业
轮胎字符识别，就是把轮胎侧壁上的那串字母数字读出来。它看着和车牌识别差不多，都是“拍一张图，读一串字符”，但只要亲手做过一次，你就会发现通用OCR在轮胎面前基本靠不住。因为轮胎侧壁不是平面，字符印在弧面橡胶上，有凸字、有凹字，还有防滑纹和胎毛在字符间穿行，光照稍微偏一点，同一个字符就能拍出完全不同的长相。这道题的难点不在识别模型，而在怎么把一张脏兮兮的轮胎照片变成干净、可训练的字符图像。
这门作业通常的价值点在于：它是一个完整的“数据→预处理→检测→识别→评估”闭环。你得先在图像里找到字符带，再把字符一个个切出来，最后用机器学习分类器把它们认出来。整个过程任何一步掉链子，最后的识别率都上不去。这篇文章适合三类人：正在做机器学习课程设计的学生、想练手计算机视觉项目的新手、以及被轮胎厂或汽修店项目问到“能不能做个自动识别”的工程师。我按自己实际做过的流程，把数据组织、图像预处理、模型选型和调参踩坑一次讲透。
2. 轮胎字符识别的数据准备：采集、标注与两类预处理
2.1 先看数据再定方案：轮胎字符图长什么样
拿到题目先别急着写代码。把数据文件夹打开，挑十张有代表性的图看一下。轮胎字符图像和普通OCR数据最大的区别在于：字符写在一个圆柱面上。这就导致同样的字符，在图像中间和图像边缘的尺度、倾斜角度都不同；轮胎转动一点，弧面反光位置就变了；字符可能是凸起的模压字，也可能是激光雕刻的凹陷字，二者的明暗关系完全相反。
我一般会先给数据分三类看：一是光照是否均匀，二是字符是否在一条水平带上，三是字符有没有断裂或粘连。如果字符带明显弯曲，就需要做极坐标展开或分段校正；如果只是轻微倾斜，做单框透视校正就够了。作业数据通常比真实产线数据干净，但干净的图反而容易让人忽略弧面校正这一步，测试时换一组手机拍的图就原形毕露。
数据准备阶段一定要把原始图、标注文件、划分后的训练验证集分开存。我的目录结构是这样的，你可以直接照着建：
tire_ocr/ ├── raw_images/ # 原始拍摄图，一张都不要动 ├── annotations/ # 标注文件，JSON或XML均可 ├── crop_char/ # 预处理后切出的单字符图 ├── train/ # 划分后的训练集 ├── val/ # 验证集 └── test/ # 测试集这里有个容易犯的错：直接把原始图放进训练集，预处理过程散落在不同的Notebook里。作业要提交源代码和文档，评审大概率会重跑你的代码。预处理脚本化、数据集划分固定，是最值得花半小时做的事。
2.2 第一类预处理：把倾斜字符“摆正”
轮胎字符识别的预处理和车牌识别有个根本差异：车牌是平面字符，做一次透视变换就足够，轮胎字符则是分布在弯曲面上。如果你的样本里字符带整体偏斜不超过15度，最省事的做法是直接检测整体字符区域的边缘，然后用仿射变换把字符带拉平。
如果字符在整条轮胎侧壁上呈明显弧度，就需要换思路。常见做法是先把图像转成灰度，再做边缘检测找轮胎的外轮廓，利用轮廓拟合成椭圆，然后做极坐标展开。我一般先试仿射校正，因为极坐标展开会把字符边缘拉出锯齿，后续分割容易把笔画切断。实际做下来，对课程作业的数据量，仿射校正加局部透视已经能拿到很稳定的结果。
2.3 第二类预处理：凸字和凹字的二值化方向是反的
这一步是轮胎字符识别的核心坑点。凸字的笔画在侧壁上是凸起的，受光后形成一个高光区和阴影区；凹字正好相反，凹陷区域亮度低、边缘有高光。如果你统一用“暗背景、亮字符”的二值化逻辑，凹字会变成背景，凸字可能被高光劈成两半。
我的处理办法是：先做一次自适应阈值，同时得到正反两张二值图；然后分别计算两图中的连通域数量，字符带区域里连通域数量多的那张，通常就是正确方向。更稳定的做法是直接用形态学顶帽变换，它能同时强化明暗交界区域，让凸字和凹字都呈现为边缘特征。顶帽变换的核大小建议取字符笔画宽度的3到5倍，比如字符笔画大约5个像素就取15到25像素的核。
2.4 标注和数据集划分：小数据更要留验证集
轮胎字符数据通常不大，几十张到两三百张。按6:2:2划分训练、验证、测试。这里强调一个原则：同一张原始图上切出的字符不能同时出现在训练集和验证集里。轮胎图像里同一行字符来自同一个光照环境，模型很容易从背景纹理而不是字符形状上“作弊”，导致验证集虚高。
import os import random import shutil from glob import glob random.seed(42) char_images = glob("crop_char/*.png") random.shuffle(char_images) n_train = int(len(char_images) * 0.6) n_val = int(len(char_images) * 0.2) for idx, path in enumerate(char_images): img_name = os.path.basename(path) # 根据文件名前缀判断来自哪张原图 src_id = img_name.split("_")[0] # 同一个原图的字符必须进同一个集合 if idx < n_train: shutil.copy(path, f"train/{src_id}_{img_name}") elif idx < n_train + n_val: shutil.copy(path, f"val/{src_id}_{img_name}") else: shutil.copy(path, f"test/{src_id}_{img_name}")这段代码的关键在src_id：它来自文件名最前面一段，表示这个字符是从哪张原图切出来的。如果只按打乱顺序硬切，同一个原图的字符会被拆到训练和验证两个集合中，验证分数就失去了参考意义。作业项目通常没有海量数据，这种按原图分组的划分方式比纯随机划分更接近真实评估结果。
3. 用 OpenCV+HOG/CNN 复现轮胎字符识别：核心代码与选型依据
3.1 识别方案怎么选：从轮廓分割到分类器
轮胎字符识别在课程作业里一般不建议一上来就端到端深度学习。原因是字符本体小，标注成本高，而且作业评审通常看重“你能解释每一步在做什么”。传统的“分割+特征+分类”路线，每一步都可以单独验证，某个环节出错也容易定位。
我一般推荐的组合是：OpenCV做字符定位和分割，HOG特征加SVM做分类。如果数据量超过300张且包含多种轮胎规格，可以把SVM换成一层简单的CNN，见招拆招的效果会好一些。注意轮胎字符数据集很容易包含形近字，比如“0”和“O”、“8”和“B”，传统方法在image里靠形状特征区分，如果特征设计得不好就会在这个地方丢分。
3.2 字符定位与分割：从原图到干净的单字符
给定一张轮胎侧壁图像，第一步是定位字符带。处理方法：
import cv2 import numpy as np def locate_char_region(img_gray): # 顶帽变换：增强字符与背景的交界 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (21, 21)) tophat = cv2.morphologyEx(img_gray, cv2.MORPH_TOPHAT, kernel) # 自适应阈值，blockSize取奇数 thresh = cv2.adaptiveThreshold( tophat, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, blockSize=31, # 窗口越大对光照变化越鲁棒 C=10 # 常数值越小，越容易把噪声也框进来 ) # 形态学闭运算把字符连成行 close_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 5)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, close_kernel) # 按面积过滤，找到字符带 contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) h, w = img_gray.shape region = None for c in contours: x, y, cw, ch = cv2.boundingRect(c) if cw > w * 0.3 and ch > h * 0.05: if region is None or cw * ch > region[2] * region[3]: region = (x, y, cw, ch) # 选面积最大的横条 return region这段代码的逻辑是分层递进的。先用顶帽变换把凸字和凹字统一转成边缘特征，再用自适应阈值提取二值图。blockSize=31对轮胎这种大面积渐变的背景很合适，如果图像分辨率偏高（超过2000像素宽），建议改成51；C=10是我试下来对轻度脏污容忍度较高的取值，取值太大会把字符内部掏空，太小会把橡胶纹理当成字符。
形态学闭运算用25x5的矩形核，是因为字符在水平方向排列紧密、在垂直方向有间隔，宽而扁的核能把同一行的字符“焊”成一块，却不会把上下两行连起来。最后只保留宽度超过全图30%、高度超过5%的连通域，这个阈值能有效排除胎肩的大块黑色区域和侧壁上的装饰纹理。
拿到字符带后，再对tophat结果在字符带局部做一次二值化和连通域提取，就能切出单个字符：
def split_into_chars(img_gray, region): x, y, w, h = region roi = img_gray[y:y+h, x:x+w] # 字符带的局部二值化：阈值要重新算，不能用全图参数 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15, 15)) tophat = cv2.morphologyEx(roi, cv2.MORPH_TOPHAT, kernel) _, binary = cv2.threshold(tophat, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 去除细条干扰：字符间常见的防滑纹 clean = cv2.morphologyEx(binary, cv2.MORPH_OPEN, np.ones((3, 3), np.uint8)) # 连通域切分 num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(clean) chars = [] for i in range(1, num_labels): cx, cy, cw, ch, area = stats[i] if area < 30: # 去噪点 continue if ch < h * 0.3: # 去横纹 continue if cw / ch > 1.5: # 可能是被粘连的字符 或者 1、I 的误判 # 常见做法：优先保留，之后在识别环节用宽度约束修正 pass chars.append((cx, cy, cw, ch)) chars.sort(key=lambda b: b[0]) return chars这里有几个参数值得细看。area < 30是去除孤立噪点，对600像素高的图像适用，分辨率高就成比例放大；ch < h*0.3用来剔除字符带上下的装饰线，轮胎侧壁在字符带附近常有很细的圆环纹理，不滤掉会多出一堆假字符。cw/ch > 1.5代表宽高比偏大的连通域，可能是两个字符粘连成一个框，也可能是数字“1”或字母“I”本身，不要在这里直接丢弃，留到识别阶段用宽度信息二次判断。
切出来的字符图需要统一尺寸。SVM和CNN都要求固定输入，我用cv2.resize把每个字符统一到32x32并做零均值标准化。这里要提醒一点：不要直接拉伸，字符的宽高比会被破坏。先补边到正方形再缩放，形近字（比如“0”和“9”）才不容易混淆。
3.3 字符分类：HOG+SVM 的最小可运行实现
字符分割做完后，识别就是标准的特征加分类。HOG对边缘方向敏感、对光照变化相对鲁棒，很适合轮胎字符这种笔画简单、结构清晰的场景。
from skimage.feature import hog from sklearn.svm import SVC from sklearn.model_selection import cross_val_score def extract_hog(img_32x32): # 每个cell 8x8，block 2x2，方向9个 features = hog( img_32x32, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(2, 2), block_norm='L2-Hys', visualize=False ) return features X_train, y_train = [], [] for char_img, label in train_data: X_train.append(extract_hog(char_img)) y_train.append(label) clf = SVC(C=12.0, kernel='rbf', gamma='scale', class_weight='balanced') scores = cross_val_score(clf, X_train, y_train, cv=3) print("CV accuracy:", scores.mean())参数逻辑如下：orientations=9是HOG的惯例取值，表示梯度方向分成9个区间；pixels_per_cell=(8,8)对32x32图像是刚好合适的粒度，每字符分4x4共16个cell，特征维度为16*4*9=576。block_norm='L2-Hys'是对梯度直方图做L2归一化，能压住部分光照过曝的影响。SVM的C=12.0是个经验值，在普通光照数据上C从1到15都有不错表现，但如果字符边缘断笔严重，C要调低到5以下，给模型更大容错空间。
值得指出的是，直接用SVM对HOG特征分类，在五六十类字符（26个字母+10个数字+可能的符号）上准确率通常在92%到97%。如果验证集准确率低于90%，大概率不是分类器的错，而是字符分割阶段出了问题，比如同一个字符被切成了两半。我用一个简单的自检方法：把每个字符框的宽度画在直方图里，如果出现大量半宽字符，说明分割断了；如果出现大量两倍宽字符，说明有粘连。
4. 轮胎字符识别调参：三个直接影响精度的旋钮
4.1 自适应阈值的 blockSize 与 C：先看字符笔画宽度
轮胎字符识别的第一个精度瓶颈是二值化，因为后续分割完全依赖二值图。自适应阈值的表现主要被两个参数控制：blockSize和C。
blockSize决定计算局部阈值时用的邻域大小。字符笔画粗、图像分辨率高，就把blockSize调大；字符密集、彼此间距小，就调小。一个可复现的经验值是：让邻域覆盖至少3个字符宽度。比如字符宽度约40像素，blockSize取127到151之间比较合适，过大（如251）会导致字符密集区域整体变黑。我排查这个问题时，最直接的观察方法是保存二值图，人眼扫一遍——如果字符内出现大面积空洞，就是邻域太大把字符并进了背景；如果字符边缘出现大量毛刺，就是邻域太小跟着纹理走了。
C是阈值偏移量。C越大，像素被判为前景的要求越高，字符越细甚至消失；C越小，字符越粗且容易和相邻字符连上。轮胎字符有凸字和凹字两种，同一张图里二者厚度不同，我一般取C=8~12。如果一套数据里既有模压凸字又有喷墨凹字，建议用OTSU全局阈值做兜底，因为自适应阈值在这类混合数据上的表现不稳定：
# 常见做法：自适应阈值失败时，尝试 OTSU 再比较字符连通域数量 val, otsu_bin = cv2.threshold(tophat, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)4.2 形态学核大小：开运算去横纹，闭运算焊字符
形态学核的形状和大小是第二个旋钮。轮胎字符周围最典型的干扰物是细长防滑纹，它和字符笔画呈垂直方向。如果防滑纹是横向的，用cv2.getStructuringElement(cv2.MORPH_RECT, (1, 5))做开运算，就能把它断开——竖直方向的长核会把横向细线切断。反之，如果干扰纹是纵向的，就用(5, 1)的横向核。
闭运算核的大小直接影响字符粘连程度。核太窄，同一行的字符连不起来；核太宽，上下相邻行的字符也会被焊上，后面分割就惨了。验证方法很直接：用闭运算后的连通域数量作为指标，理想结果是连通域数量和字符个数基本一致，误差在正负一个以内。这个验证逻辑建议写进处理流程里，每换一张图都打印一次统计值。
4.3 字符最小面积与宽高比：过严则漏字，过宽则连字
我在split_into_chars里设置的两个过滤条件看似简单，却是整个识别精度最容易被忽视的地方。面积阈值定得太严，会把磨损较重的字符滤掉——轮胎字符里最常磨损的是生产日期那几位；太松，侧壁装饰纹理和橡胶颗粒会被当成字符，分类器被迫多学一类垃圾。
宽高比阈值对字母“1”、数字“1”尤其敏感。“1”的宽高比通常只有0.2到0.35，而“M”“W”可能达到0.9以上。如果为过滤噪声把宽高比阈值设到0.5，等于把“1”全部丢了。我的做法是单独维护一个窄字符白名单：只允许宽高比小于0.4的连通域出现在目标区域，同时校验它的面积是否落在字符面积分布的合理区间内。
5. 轮胎字符识别避坑清单：四个代价最高的踩坑经验
5.1 现象：验证集准确率96%，测试集只有62%
这个落差几乎每个做过图像作业的人都会遇到一次。原因是数据划分时没有按原图分组，同一张原图上切出来的字符同时出现在训练和验证集里。模型记住的是这张原图的“成像环境”，不是字符形状；一旦换一组光照不同的图，立马现原形。解决方法是按原始图ID分组再做划分，并且测试集单独放在一个目录里，训练过程中一次都不要打开看。
5.2 现象：0 和 O、8 和 B 总是互相认错
轮胎字符里“0”和“O”在图像上几乎一模一样。模压凸字在强光下，圆环内部会产生阴影，这个阴影让数字0看起来就是字母O。我踩过这个坑后不再指望分类器自己区分，直接在识别后处理里加上轮胎语义约束：DOT码和规格位出现的“O”统一按数字0处理，品牌信息里的“0”按字母O处理。这是典型的“靠知识纠错”而不是“靠模型硬扛”。
5.3 现象：字符之间有个别字符始终切不出来
排查后发现问题出在字符带里的一个特殊符号上，比如轮胎规格里的“/”或“R”。它们笔画细、面积小，在形态学开运算后直接消失。解决方法是把面积阈值和宽度阈值分开设置，不直接用面积一刀切；同时保留原始二值图做对照，如果某一行字符数量明显少于预期，就降低阈值重新分割一次。
5.4 现象：训练集是凸字，测试时遇到凹字，准确率断崖下跌
轮胎侧壁字符有凸有凹，这是这个项目和普通OCR最大的不同。凸字和凹字在二值化后明暗相反，HOG特征完全对不上。解决思路有两个：一是把顶帽变换作为统一前置处理，让两类字符都变成边缘特征；二是在数据增强阶段加入反色变换。
def augment_invert(img): # 随机反转，让模型不依赖字符明暗方向 if np.random.rand() > 0.5: return 255 - img return img这个增强操作简单但非常有效，特别是在同时包含凸字和凹字的轮胎数据上，比旋转、平移这些常规增强带来的提升更明显。因为轮胎字符识别最大的领域差异不在字形，而在光线和字符材质的交互方式。想再进一步，可以加入gamma变换模拟不同光照强度。
5.5 现象：SVM训练时间暴涨，字符数据不均衡
轮胎字符里数字多、字母少，某些品牌字符只有几个样本。class_weight='balanced'能缓解这个问题，但量级差距太大时，也可直接对少数类做复制增强。注意，复制增强的位置要放在HOG特征提取之后，不能在图像阶段硬复制，否则相似的图会同时进入训练和验证。复制的位置要异常小心，我吃过亏，用一份增强后的复制图做测试，结果虚高到让人怀疑人生。
6. 进阶：把作业方案升级成端到端识别管线
到这里，你已经拿到了一个“分割+HOG+SVM”可运行的轮胎字符识别方案。如果想把分数从“完成作业”提到“可展示项目”，下一步是把它升级成端到端的目标检测管线，用 YOLOv8 直接定位并识别轮胎侧壁字符。
YOLOv8 在字符检测任务上的优势是效率高，但它的识别的本质是“检测+分类”，无论如何都逃不脱“样本量”问题。真实产线的数据质量参差不齐，摄像头角度固定，光照随机，直接把作业方案搬进产线之前，我会在文档里明确标注“当前方案适用于受控光照环境”，这是负责人的做法。
import torch from ultralytics import YOLO model = YOLO("yolov8n.pt") model.train( data="tire_ocr.yaml", epochs=80, imgsz=640, batch=16, lr0=0.005, augment=True, plots=True )这里的关键参数：yolov8n是最小的模型，用于验证标注是否正确；audit=True在训练结束后会输出一批可视化的预测框，你必须肉眼确认框是否对齐字符边缘，而不是只看mAP。YOLO训练之前要准备tire_ocr.yaml，指定训练集、验证集路径和类别名称列表。
这样一个端到端方案的好处是：干掉了字符分割环节，避免“一个字符框错，后面全错”的错误传导。坏处是：需要更多标注数据，并且模型成了一块“黑匣子”，在作业答辩里如果被问“这个字符为什么识别错了”，你只能解释到特征层面。所以我通常把两种方案都写进文档：传统方法作为可解释的主方案，YOLO作为精度提升的扩展方案，这正好也对应了完整的作业评分体系。
最后说说我个人的习惯：每次跑完一个流程，会把关键中间结果图存一份，按“原图→二值图→分割结果→识别结果”四联图保存。排查问题时先打开这套图按顺序看，比直接在模型参数里找原因快得多。轮胎字符识别项目看起来小而简单，实际上每一步的坑都很深，按前面的路子走一遍，希望能帮到你。
本文还有配套的精品资源，点击获取
