به گزارش گروه علم و آموزش ایرنا از دانشگاه تربیت مدرس، مساله شناسایی خودکار پلاک خودرو به صورت بلادرنگ، در سال های اخیر مورد توجه محققان حوزه بینایی کامپیوتر قرار گرفته است که یکی از علت های آن تاثیر و نقش به سزای این فناوری در سیستم حمل و نقل هوشمند است. در نقاط مختلف دنیا، این سیستم ها در حال استفاده هستند اما هنوز هم عملکرد آنها دچار چالش است.
فریده سادات جمالی که این پژوهش در قالب پایان نامه کارشناسی ارشد وی در رشته مهندسی مکاترونیک انجام شده است به برخی از چالش های سیستم شناسایی پلاک خودرو اشاره کرد و گفت: شرایط روشنایی، شرایط آب و هوایی، زاویه دید دوربین نسبت به پلاک، تعداد پلاک در تصویر، وجود شی مشابه مانند پلاک، وجود مانع و یا مخدوش کردن پلاک، جعل لاک و غیره از جمله چالش های غیر قابل کنترلی هستند که سیستم شناسایی پلاک خودرو با آنها مواجه است.
وی درخصوص این پژوهش یادآور شد: در این پژوهش علاوه بر طراحی و پیاده سازی مدلی بلادرنگ برای شناسایی خودکار پلاک، مدلی برای شناسایی مدل خودرو نیز طراحی شده است. به این طریق خطای تشخیص پلاک به حداقل مقدار ممکن رسیده و از موارد پیش آمده ناشی از تشخیص اشتباه پلاک جلوگیری می شود.
این محقق تشریح کرد: با توجه به پیشرفت هایی که در زمینه یادگیری عمیق و شبکه های عصبی رخ داده است، در این پژوهش شبکه های عصبی پیچشی مورد استفاده قرار گرفته است. در روش پیشنهادی این پژوهش، شناسایی پلاک خودرو و شناسایی مدل خودرو هر دو در دو مرحله انجام شده اند. برای شناسایی پلاک خودرو در مرحله اول، مستطیل پلاک در تصویر ورودی تشخیص داده شده است. سپس پلاک خودرو از تصویر ورودی جدا شده و در مرحله بعد شناسه های پلاک تشخیص داده شده است. برای هر دو مرحله از این بخش، از مدلهای یولو که مبتنی بر شبکه عصبی پیچشی می باشد، استفاده شده است.
جمالی همچنین اظهار داشت: این مدل با متوسط دقت ۹۵.۵ درصد و زمان استنتاج ۴۳.۳ میلی ثانیه بر روی کامپیوتر نتایج خوبی را بدست آورده است. با توجه به سرعت استنتاج بالای مدل ارائه شده و حجم کم آن، مدل مورد نظر قابلیت استقرار بر روی دستگاه روی لبه را دارد.
وی تصریح کرد: مدل پیشنهادی برای شناسایی بلادرنگ پلاک خودرو، بر روی برد پیشرفته جتسون نانو پیاده سازی شده که سرعت استنتاج آن حدود۶ فریم در ثانیه برآورده شده است.
دانشجوی دانشگاه تربیت مدرس همچنین درخصوص مراحل شناسایی مدل خودرو گفت: شناسایی مدل خودرو در دو مرحله تشخیص نمای جلویی خودرو و شناسایی مدل خودرو از تصویر برش داده شده مرحله قبل انجام می شود. برای مرحله اول این فرآیند از مدل یولو و برای شناسایی نهایی مدل خودرو از شبکه عصبی پیچشی سیامی با ویژگی اجرایی متناسب، استفاده شده است. این مدل نیز با متوسط دقت۹۲.۲ % و زمان پاسخ دهی۸۵.۶ میلی ثانیه بر روی کامپیوتر نتایج قابل قبولی را ثبت کرده است.
این پژوهش در قالب پایان نامه کارشناسی ارشد فریده سادات جمالی با راهنمایی دکتر مجید ساده دل عضو هیأت علمی گروه طراحی کاربردی دانشکده مهندسی مکانیک دانشگاه تربیت مدرس انجام شده است.
