ระบบการรู้จำป้ายทะเบียนรถยนต์อัตโนมัติด้วยคอมพิวเตอร์วิทัศน์

ซอฟวาน  มูซอ; สุไฮลา  หะโมะ; ชลธิศา  รัตนชู; ฮาบิบ  บิณอะฮมัด; ฮัสซัน  ดาโอะ; อมาตย์  สูหลง

ผู้แต่ง

ซอฟวาน มูซอ สาขาวิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส รหัสไปรษณีย์ 96000
สุไฮลา หะโมะ สาขาวิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส รหัสไปรษณีย์ 96000
ชลธิศา รัตนชู สาขาวิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส รหัสไปรษณีย์ 96000
ฮาบิบ บิณอะฮมัด สาขาวิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส รหัสไปรษณีย์ 96000
ฮัสซัน ดาโอะ สาขาวิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส รหัสไปรษณีย์ 96000
อมาตย์ สูหลง สาขาวิชาการจัดการธุรกิจดิจิทัลและนวัตกรรม คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏยะลา อำเภอเมือง จังหวัดยะลา รหัสไปรษณีย์ 95000

คำสำคัญ:

การรู้จำป้ายทะเบียนรถยนต์อัตโนมัติ, การประมวลผลภาพ, การเรียนรู้เชิงลึก, การรู้จำอักขระด้วยแสง

บทคัดย่อ

การวิจัยนี้นำเสนอการพัฒนาระบบรู้จำป้ายทะเบียนรถยนต์อัตโนมัติ (Automatic License Plate Recognition: ALPR) สำหรับป้ายทะเบียนรถยนต์ไทย โดยประยุกต์ใช้โมเดล YOLOv8 สำหรับการตรวจจับตำแหน่งป้ายทะเบียน และ Tesseract OCR สำหรับการรู้จำตัวอักษร ระบบที่พัฒนาขึ้นประกอบด้วยขั้นตอนหลัก 5 ส่วน ได้แก่ การเตรียมข้อมูล การประมวลผลภาพเบื้องต้น การตรวจจับตำแหน่งป้ายทะเบียน การแยกและรู้จำตัวอักษร และการพัฒนาส่วนติดต่อผู้ใช้และซอฟต์แวร์ โดยใช้ชุดข้อมูลภาพป้ายทะเบียนรถยนต์ไทยจำนวน 791 ภาพในการทดสอบระบบ ผลการทดสอบพบว่าระบบมีความความแม่นยำในการตรวจจับป้ายทะเบียน 92% และความแม่นยำในการรู้จำตัวอักษรพื้นสีขาว 80% และ 50% ในส่วนของพื้นกราฟิก ระบบสามารถนำไปประยุกต์ใช้ในงานด้านการจัดการจราจร ระบบจอดรถอัตโนมัติ และระบบรักษาความปลอดภัย อย่างไรก็ตาม ประสิทธิภาพของระบบยังขึ้นอยู่กับปัจจัยด้านสภาพแวดล้อม เช่น สภาพแสง มุมกล้อง และสภาพของป้ายทะเบียน

เอกสารอ้างอิง

W. Weihong and T. Jiaoyang, “Research on License Plate Recognition Algorithms Based on Deep Learning in Complex Environment,” IEEE Access, vol. 8, pp. 91661–91675, 2020, doi: 10.1109/ACCESS.2020.2994287.

C. N. E. Anagnostopoulos, “License Plate Recognition: A Brief Tutorial,” IEEE Intelligent Transportation Systems Magazine, vol. 6, no. 1, pp. 59–67, 2014, doi: 10.1109/MITS.2013. 2292652.

M. M. Khan, M. U. Ilyas, I. R. Khan, S. M. Alshomrani, and S. Rahardja, “License Plate Recognition Methods Employing Neural Networks,” IEEE Access, vol. 11, pp. 73613–73646, 2023, doi: 10.1109/ACCESS.2023.3254 365.

V. Jain, Z. Sasindran, A. Rajagopal, S. Biswas, H. S. Bharadwaj, and K. R. Ramakrishnan, “Deep automatic license plate recognition system,” in Proceedings of the Tenth Indian Conference on Computer Vision, Graphics and Image Processing, in ICVGIP ’16. New York, NY, USA: Association for Computing Machinery, 2016. doi: 10.1145/3009977.3010052.

J. Shashirangana, H. Padmasiri, D. A. Meedeniya, and C. Perera, “Automated License Plate Recognition: A Survey on Methods and Techniques,” IEEE Access, vol. 9, pp. 11203–11225, 2021, [Online]. Available: https://api.semanticscholar.org/CorpusID:231684908

F. Jalled and I. Voronkov, “Object Detection using Image Processing,” ArXiv, vol. abs/1611.07791, 2016, [Online]. Available: https://api.semanticscholar.org/CorpusID:18547809

M. Cheng and M. Liu, “Image convolution techniques integrated with YOLOv3 algorithm in motion object data filtering and detection,” Sci Rep, vol. 14, 2024, [Online]. Available: https://api.semanticscholar.org/CorpusID:268854218

Y. Wang, Y. Lu, and Y. Qiu, “Gated image-adaptive network for driving-scene object detection under nighttime conditions,” Multimed Syst, 2024, [Online]. Available: https://api.semanticscholar.org/CorpusID:274970201

I. B. Barbosa et al., “Progressive structural deterioration of an endodontic instrument – A preliminary micro-computed tomography study,” Eng Fail Anal, 2019, [Online]. Available: https://api.semanticscholar.org/CorpusID:189994589

S. M. Al Jaberi, A. Patel, and A. N. Al Al-Masri, “Object tracking and detection techniques under GANN threats: A systemic review,” Appl. Soft Comput., vol. 139, p. 110224, 2023, [Online]. Available:https://api.semanticscho lar.org/CorpusID:257723430

G. A. Robby, A. Tandra, I. Susanto, J. Harefa, and A. Chowanda, “Implementation of Optical Character Recognition using Tesseract with the Javanese Script Target in Android Application,” in International Conference on Computer Science and Computational Intelligence, 2019. [Online]. Available: https:// api.semanticscholar.org/CorpusID:208115880

A. M. Vizitiu, M. A. Sandu, L. Dobrescu, A. Focsa, and C. Molder, “Comparative Approach to De-Noising TEMPEST Video Frames,” Sensors (Basel), vol. 24, 2024, [Online]. Available: https://api.semanticscholar.org/Cor pusID:273014983

M. D. Alahmadi and M. Alshangiti, “Optimizing OCR Performance for Programming Videos: The Role of Image Super-Resolution and Large Language Models,” Mathematics, 2024, [Online]. Available: https://api.semanticscho lar.org/CorpusID:268832542

S. M. Silva and C. R. Jung, “A Flexible Approach for Automatic License Plate Recognition in Unconstrained Scenarios,” IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 6, pp. 5693–5703, 2022, doi: 10.1109/TITS. 2021.3055946.

F. Sultan, K. Khan, Y. A. Shah, M. Shahzad, U. Khan, and Z. Mahmood, “Towards Automatic License Plate Recognition in Challenging Conditions,” Applied Sciences, vol. 13, no. 6, 2023, doi: 10.3390/app13063956.

R. Zibani, F. Sebbak, M. E. Y. Boudaren, M. Mataoui, R. Hadj Aissa, and Y. A. Benaissa, “Multi-attribute fusion-based approach for Algerian automatic license plate recognition,” Multimed Tools Applied, vol. 83, no. 10, pp. 30233–30259, 2024, doi: 10.1007/s11042-023-16789-6.

U. Saha, B. Saha, and M. A. Imran, “A Weather-Adaptive Convolutional Neural Network Framework for Better License Plate Detection,” Sensors, vol. 24, no. 23, 2024, doi: 10.3390/s24237841.

T. M. Al-Hasan, V. Bonnefille, and F. Bensaali, “Enhanced YOLOv8-Based System for Automatic Number Plate Recognition,” Technologies (Basel), vol. 12, no. 9, 2024, doi: 10.3390/technologies12090164.

Y. Tang, S. Zhang, W. Liu, Z. Wang, and J. Wang, “Ultra-Lightweight Automatic License Plate Recognition System for Microcontrollers: A Cost-Effective and Energy-Efficient Solution,” IEEE Transactions on Intelligent Transportation Systems, vol. 25, no. 12, pp. 20419–20434, 2024, doi:10.1109/TITS.2024. 3480039.

X. Ke, G. Zeng, and W. Guo, “An Ultra-Fast Automatic License Plate Recognition Approach for Unconstrained Scenarios,” IEEE Transactions on Intelligent Transportation Systems, vol. 24, no. 5, pp. 5172–5185, 2023, doi: 10.1109/TITS.2023.3237581.