针对现有车牌检测算法存在的模型参数量过大、实时性差和检测效果不佳等问题，提出一种基于深度学习的轻量化车牌检测网络（Lightweight　License　Plate　Detection　Networks,LW-LPDNet）模型。该模型以PP-LCNet作为骨干网络，大幅减少模型参数量，同时融入压缩-激励网络（Squeeze　and　Excitation　Networks,SE-Net）注意力模块，增加车牌信息的通道权重。最后，引入SimSPPF和GSConv，对多尺度特征进行融合，增大感受野，进一步提高检测准确率。通过对模型进行训练和测试，LW-LPDNet在中国城市停车数据集（Chinese　City　Parking　Dataset,CCPD）上获得98.9%的平均精确率，优于其他车牌检测方法，且模型参数量仅有0.13　MB，检测速度达到243　f·s~(-1)，具备较高的实时性。