对于煤炭的运输环节,各个煤炭企业一直都十分重视。然而运输煤炭的车辆的管理仍然是薄弱的环节。首先,运输煤炭的货车频繁出入,以前的人工登记的方式,误差较大,影响运输效率;而在过磅运输上,由于货车在装卸煤都要称重,也会存在少记录或者漏记录的现象。过磅数据、门卫数据和企业的车辆数据库,这些数据需要耗费大量人力来管理和维护。其次,车牌作为车辆的主要信息载体,为了便于对运输车辆的管理,车牌的自动识别是一个关键环节。传统的车牌识别流程至少有三步,即车牌定位,字符分割和字符识别。每一步的识别误差,都会影响车牌识别结果。同时煤场里有煤渣和大量的灰尘。货车在煤场运输煤炭时,车牌上容易粘上煤泥、煤灰等污垢,还会出现车牌磨损等现象,不利于车牌字符的识别。针对煤炭企业的车辆管理的需求,本文进行了详细的需求分析和架构设计,使用Spring Boot框架等开发了基于车牌识别的智能矿区管理系统。通过使用读取视频流获取视频监控、车辆识别、车牌识别等技术,来对矿区的车辆进行车牌识别。然后对门卫数据,过磅数据进行整合,从而减少人工操作,摆脱了传统系统之间的相互独立。针对煤炭企业车牌的特殊性,本文收集并标注了5000张矿区生产环境下的车牌和5000张公开的车牌。尝试不同的目标检测方法和骨干网络在数据集上训练和测试,最终选择较好的Mobile Netv3为骨干网络的YOLOv3目标检测模型。另一方面,由于路线不固定,车辆出入不能使用门禁杆,车辆在经过时车速不一,因此车牌识别需要一定实时性。本文对训练好的模型尝试剪枝压缩,最后在仅使用CPU的电脑上预测一张图片缩减至616.8ms的情况下,m AP仅由96.16%降到96.01%。通过对系统进行功能测试和性能测试,测试结果可以满足对煤炭企业的车辆管理需求,并且在企业中实际应用。