Детальная информация

Основной целью данной работы является исследование и реализация нейросетевого подхода для распознавания транспортных номеров, что подразумевает глубокое изучение существующих технологий и разработку эффективной системы для автоматизированного распознавания. Объектом исследования является процесс распознавания транспортных номеров с использованием нейросетевых технологий, включая разработку программного обеспечения для распознавания вертикальных транспортных номеров. К задачам, которые решались в ходе исследования относятся: обзор существующих технологий, применяемых для распознавания транспортных номеров; проектирование архитектуры системы и описание метрик оценки качества моделей; обучение в Goggle Collab и реализация моделей для детекции номерных знаков и распознавания символов, а также проведение тестирования системы на различных типах номерных знаков; апробация разработанного прототипа на предприятии и анализ полученных результатов. Основными методами и технологиями, применяемыми в данной работе, являются сверточные нейронные сети в комбинации с рекуррентными нейронными сетями. В результате выполнения работы разработанные модели машинного обучения продемонстрировали высокие результаты классификации с точностью во всех тестируемых сценариях выше 94%. Апробация прототипа на предприятии была успешна и имеет предпосылки для дальнейшего внедрения и масштабирования решения в транспортно-логистической отрасли.

The main objective of this work is to study and implement a neural network approach to recognizing vehicle license plates, which involves an in-depth study of existing technologies and the development of an effective system for automated recognition. The object of the study is the process of recognizing vehicle license plates using neural network technologies, including the development of software for recognizing vertical vehicle license plates. The tasks that were solved during the study include: a review of existing technologies used to recognize vehicle license plates; designing the system architecture and describing metrics for assessing the quality of models; training in Goggle Collab and implementing models for detecting license plates and recognizing characters, as well as testing the system on various types of license plates; testing the developed prototype at the enterprise and analyzing the results. The main methods and technologies used in this work are convolutional neural networks in combination with recurrent neural networks. As a result of the work, the developed machine learning models demonstrated high classification results with an accuracy of over 94% in all tested scenarios. Testing the prototype at the enterprise was successful and has the prerequisites for further implementation and scaling of the solution in the transport and logistics industry.

• Исследование и реализация нейросетевого подхода для разработки системы детектирования и распознавания вертикальных транспортных номеров
  • Введение
  • 1. Обзор предметной области и постановка задачи
  • 2. Проектирование системы
  • 3. Практическая реализация
  • 4. Апробация прототипа на предприятии, анализ результатов
  • Заключение
  • Словарь терминов
  • Список использованных источников
  • Приложение 1 Программный код
  • Приложение 2 Акт внедрения на предприятие