Estimasi Kecepatan Kendaraan Dan Deteksi Plat Nomor Kendaraan Menggunakan Metode Deep Learning Berbasis Speed Camera

Ramadhan, Jiwangga Ridhwan Nur (2024) Estimasi Kecepatan Kendaraan Dan Deteksi Plat Nomor Kendaraan Menggunakan Metode Deep Learning Berbasis Speed Camera. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022201092-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Dalam era teknologi yang pesat, keamanan lalu lintas menjadi aspek kritis untuk menjaga ketertiban di jalan raya. Ini mencakup pengawasan pelanggaran aturan dan pemantauan kecepatan di suatu ruas jalan. Salah satu teknologi yang dapat digunakan untuk meningkatkan keamanan lalu lintas adalah teknologi Speed Camera adalah sistem yang memperkirakan kecepatan di ruas jalan. Sistem akan menangkap citra serta data pengemudi dengan kamera sebagai fungsi dari sistem keamanan dan keselamatan. Speed Camera dapat dilengkapi dengan sistem rekognisi plat nomor kendaraan sebagai alat bantu dalam menangkap informasi kendaraan. sistem rekognisi plat nomor kendaraan adalah sebuah sistem yang dapat mendeteksi dan mengrekognisi plat nomor kendaraan. Sistem tersebut dapat dibantu dengan You Only Look Once (YOLO). YOLO adalah sistem deteksi objek real-time yang mengidentifikasi dan mengklasifikasikan objek dalam gambar dalam sekali jalan. Performa sistem dalam mengenali kendaraan, plat nomor kendaraan, serta membaca plat nomor kendaraan ini dengan nilai confident score diatas 0.9, 0.5, dan 0.8 secara berurutan. Kemudian dengan menggunakan filter Wiener didapatkan bahwa filter Wiener dapat merestorasi citra yang terdistorsi noise dengan karakteristik hujan dan malam dengan baik dan mampu meningkatkan confidence score YOLOv8. Pada saat mengestimasi kecepatan kendaraan didapatkan nilai Mean Absolute Percentage Error (MAPE) sebesar 2.6% untuk validasi kecepatan 15 km/jam, 1.9% untuk validasi kecepatan 30 km/jam, 3.3% untuk validasi kecepatan 40 km/jam, dan 4% untuk uji 60 km/jam.
=====================================================================================================================================
In the era of rapid technology, traffic safety has become an important aspect for maintaining order on the roads. This includes monitoring the rules and monitoring speed on a section of road. One technology that can be used to improve traffic safety is Speed Camera technology, which is a system that differentiates speed on roads. The system will capture the driver's image and data with a camera as a function of the security and safety system. Speed Cameras can be equipped with a vehicle number plate recognition system as an aid in capturing vehicle information. The vehicle number plate recognition system is a system that can detect and recognize vehicle number plates. This system can be assisted with You Only Look Once (YOLO). YOLO is a real-time object detection system that detects and classifies objects in images in one go. The system performance in recognizing vehicles, vehicle number plates, and reading vehicle number plates with confidence scores above 0.9, 0.5, and 0.8 respectively. Then, by using the Wiener filter, it was found that the Wiener filter could restore noise-distorted images with rain and night characteristics well and was able to increase the YOLOv8 confidence score. When estimating vehicle speed, the Mean Absolute Percentage Error (MAPE) value was 2.6% for validating a speed of 15 km/hour, 1.9% for validating a speed of 30 km/hour, 3.3% for validating a speed of 40 km/hour, and 4% for testing 60 km/hour.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	You Only Look Once, Deep Learning, Speed Estimation Camera, Rekognisi Plat Nomor,You Only Look Once, Deep Learning, Speed Estimation Camera, License Plate Recognition
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK6592.A9 Automatic tracking.
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Jiwangga Ridhwan Nur Ramadhan
Date Deposited:	31 Jul 2024 04:05
Last Modified:	31 Jul 2024 04:05
URI:	http://repository.its.ac.id/id/eprint/110750

Actions (login required)

View Item