حسین علی یولداشی - ۱- دانشجو کارشناسی فناوری اطلاعات واحد علمی کاربردی جهاد دانشگاهی کرج – البرز
مصطفی یوسفی طزرجان - ۲- عضو هیئت علمی دانشگاه جامع علمی کاربردی

سیستم های تشخیص پلاک خودرو نقش بسیار مهمی در بسیاری از کاربردها مانند مدیریت عوارض، کنترل پارکینگ و مدیریت و کنترل تردد دارند. در این مقاله از شبکه های عصبی کانولوشنال عمیق برای تشخیص پلاک خودرو ایرانی استفاده شده است. ابتدا مجموعه ای از تصاویر پلاک های خودرو جمع آوری شده و با الگوریتم یولو نسخه ۳ آموزش داده شد تا تصاویر ورودی را تشخیص دهد، سپس الگوریتم Faster R-CNN کاراکترهای موجود در پلاک شناسایی شده توسط شبکه عصبی اول را شناسایی و طبقه بندی می کند. مجموعه داده ای از پلاک های ایرانی متشکل از تصاویر نامطلوب نیز در این مقاله توسعه یافته است. انجام تکنیک های داده افزایی بر روی همین مجموعه داده به منظور تقویت داده ها جهت افزایش دقت شناسایی علائم استفاده گردید. در این روش ابتدا کلیه داده های مجموعه داده دریافت گردید و جهت بهبود روند سرعت شناسایی و دقت بالاتر از داده افزایی استفاده گردید. در مجموع، دقت روش پیشنهادی با الگوریتم YOLOv۳ به میانگین دقت متوسط ۹۹.۶% ، ارزیابی ۹۸.۲۶% و دقت ۹۸.۰۸% رسید و میانگین سرعت تشخیص ۲۳ میلی ثانیه است و همچنین شبکه Faster R-CNN با مجموعه داده ای آموزش داده شد و ارزیابی گردید و مجموعا، دقت روش پیشنهادی به ارزیابی ۹۸.۹۷% ، ۹۹.۹% معیار صحت و دقت ۹۸.۸% رسید. مقایسه این سیستم با سایر سیستم های تشخیص پلاک ایران با مجموعه داده های متفاوت نشان می دهد که سریع تر و دقیق تر است و همچنین این سیستم می تواند در محیط باز نیز بادقت بالا کار کند.

کلمات کلیدی: تشخیص پلاک، الگوریتم یولو، پردازش تصویر، پلاک ایرانی، Faster R-CNN