ارائه‌کننده: حمیدرضا قاسمی
استاد راهنما: دکتر مجید ساده‌دل
استاد ناظر داخلی: دکتر مهدی سجادپور
استاد ناظر خارجی : دکتر مهکامه شربتدار
تاریخ: 1403/06/27
ساعت: 8:30
مکان: دانشکده فنی و مهندسی، بلوک 4، طبقه منفی یک، آزمایشگاه مکاترونیک

چکیده:
یکی از موضوعاتی که در سال‌اخیر توجه بسیاری از محققان حوزه بینایی کامپیوتر را به خود جلب کرده است، موضوع سیستم‌های تشخیص پلاک خودرو می‌باشد، که یکی از علل آن،‌ تاثیر و نقشی است که این سیستم‌ها در سیستم حمل و نقل هوشمند ایفا می‌کنند. با وجود استفاده از بهترین امکانات سخت افزاری نظیر دوربین‌های با کیفیت اما چالشی که این سیستم‌ها با آن رو‌به‌رو هستند، عملکرد ضعیف آن‌ها در شرایط مختلف و نامساعد جوی مانند مه، گرد و خاک، هوای بارانی، تاری تصاویر در صورت لرزش دوربین و .... می‌باشد و عملکرد آن‌ها را تحت تاثیر قرار دهد.
بنابراین در این پژوهش برآن شدیم تا به طراحی و همچنین امکان سنجی وجود مدل‌های افزایش کیفیت تصویر پلاک، بپردازیم. در این پژوهش از شبکه‌های عصبی پیچشی به منظور شناسایی کاراکتر‌های پلاک و از شبکه مولد متخاصمی به منظور افزایش کیفیت تصویر پلاک استفاده شده است. بعلاوه بدلیل آنکه چنین شبکه‌هایی به تعداد بالایی از تصاویر نیازمندند و همچنین در اینجا به دنبال امکان‌سنجی استفاده از چنین مدل‌هایی هستیم، از تصاویر مصنوعی استفاده شده است اما کیفیت تصاویر تولید شده در جزییات بسیار شبیه به تصاویر اصلی است.
برای شناسایی کاراکتر‌های پلاک از شبکه یولو که مبتنی بر شبکه عصبی پیچشی می‌باشد، استفاده شده است. این مدل با دقت متوسط 97.4 و زمان استنتاج 15.8 میلی ثانیه بر روی کامپیوتر نتایج خوبی را به ارمغان آورده است. همچنین به منظور بررسی کیفیت مدل مربوط به بازسازی تصویر پلاک خودرو، در ابتدا تصاویر به 3 نوع نویز مه و گردوخاک، تاری و باران با درصدهای اعمال نویز 10 تا 70 درصد، آلوده شده‌اند. پیش از آنکه از مدل مولد متخاصمی استفاده شود، مدل شناساگر کاراکتر به منظور شناسایی کاراکترهای تصاویر آلوده، دقت‌های متوسطی به میزان 71، 59 و 87 برروی سه نوع نویز به ترتیب داشته است.
پس از استفاده از مدل مولد متخاصمی جهت بازسازی تصاویر نویزدار، این دقت، به ترتیب به 59، 83 و 12 تغییر یافته‌اند که نشان دهنده آن است که صرفا این مدل برروی تصاویری که حاوی نویز تاری هستند به خوبی عمل کرده است. اما با انجام دو پس‌پردازش ساده مانند اعمال حد آستانه و تبدیل لگاریتمی که نیازمند پردازش بالایی نیستند، این میزان متوسط دقت‌ها به درصدهای 94، 85،و 90 رسیده‌اند. و این به معنای آن است که وجود چنین مدل‌هایی در بیشتر شرایط آب‌هوایی می‌تواند موثر واقع شود. همچنین زمان استنتاج این مدل‌ها برروی کامپوتر به میزان 846 میلی ثانیه بوده است که عدد نسبتا بالایی است اما روش‌هایی مانند تغییر فرمت وزن‌های مدل، ایجاد صف و ... می‌تواند بلادرنگ بودن سیستم‌ها را حفظ کرده و از قابلیت‌های ایجاد شده توسط مدل آموزش داده شده، بهره برد.