Bir araç plaka tanıma sistemi (APTS) genellikle kontrol ve güvenliği sağlamak amacıyla kullanılır. Bu sistemler yapay zekâ, makine öğrenmesi, yapay sinir ağları (YSA), derin öğrenme, bulanık mantık, uzman sistemler, görüntü işleme gibi yöntemler kullanılarak oluşturulmaktadır. Bu çalışma, yapay zekâ ve görüntü işleme tekniklerini kullanarak bir APTS oluşturmayı amaçlamaktadır. Hazırlanan sistem dikdörtgen boyutlu plakalar içindir. Hazırlanan APTS 3 ana aşamadan oluşturulmuştur. İlk aşama plaka bölgesini tespit etmektir. Bu aşamada araç görüntülerine gri tonlamaya dönüştürme, ikili (bilateral) filtreleme, canny filtreleme ve kontur uygulanmıştır. İkinci aşama, plaka bölgesini kırpmaktır. İkinci aşamada maskeleme yöntemi kullanılmıştır. Son aşamada plaka karakterlerini tanımak için pytesseract algoritması kullanılmıştır. Sistemi oluşturmak için donanımsal olarak Raspberry Pi 4 Single-Board Computer (SBC) kullanılmış; yazılım için python programlama dili kullanılmıştır. Sonuçlar, sistemin ilk iki aşamada %100, son aşamada ise %91,82 oranında başarılı bir şekilde çalıştığını göstermiştir. Sonuçlar sistemin başarılı bir şekilde çalıştığını göstermektedir.
An license plate recognition system (LPRS) generally provides control and security. These systems are created using methods such as artificial intelligence, machine learning, artificial neural networks (ANN), deep learning, fuzzy logic, expert systems, and image processing. This study aims to create an LPRS using artificial intelligence and image processing techniques. The prepared system is for rectangular-sized plates. An LPRS consists of 3 main stages. The first stage is to detect the plate region. At this stage, converting to grayscale, bilateral filtering, canny filtering, and contour were applied to vehicle images. The second stage is to crop the plate region. In the second stage, the masking method was employed. The pytesseract algorithm was used to recognize license plate characters in the last stage. To create the system, Raspberry Pi 4 Single-Board Computer (SBC) was used for hardware; python programming language was utilized for software. The results showed that the system worked successfully at the rate of 100% in the first two stages and at the rate of 91.82% in the last stage. The results suggest that the system works successfully.
Primary Language | English |
---|---|
Subjects | Engineering |
Journal Section | Makaleler |
Authors | |
Publication Date | January 31, 2023 |
Submission Date | September 8, 2022 |
Acceptance Date | January 24, 2023 |
Published in Issue | Year 2023 |