Rahmadiana, Ghifaroza (2020) Pengenalan Pelat Nomor Kendaraan pada Data Video Menggunakan Convolutional Neural Network berdasarkan Citra Sintetis sebagai Data Latih. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111640000057-Undergraduate_Thesis.pdf Download (4MB) | Preview |
Abstract
Teknologi License Plate Recognition (LPR) atau pengenalan pelat nomor telah diadopsi di banyak aplikasi lalu lintas modern, seperti tempat parkir dan pemantauan lalu lintas. Metode deep learning berbasis Convolutional Neural Network (CNN) telah menunjukkan kemajuan yang luar biasa pada bidang LPR. Namun, dalam proses pelatihan CNN dibutuhkan sampel berlabel dalam jumlah besar, sedangkan untuk memperoleh sampel bisa sangat sulit karena pelabelan yang memakan waktu dan biaya tinggi. Salah satu solusi untuk mengatasi permasalahan tersebut adalah menggunakan sampel sintetis untuk melatih CNN. Pada Tugas Akhir ini akan dibuat sistem LPR yang menggunakan citra sintetis sebagai data latih. Sistem LPR terdiri dari tiga tahapan utama yaitu deteksi area pelat nomor menggunakan Single Shot Detector (SSD), segmentasi karakter pada area pelat nomor yang berhasil dideteksi menggunakan Maximally Stable Extremal Regions, dan pengenalan karakter yang berhasil disegmentasi menggunakan CNN. Adapun arsitektur jaringan SSD akan dilatih menggunakan citra pelat sintetis berspesifikasi standar pelat nomor Indonesia sedangkan arsitektur jaringan CNN akan dilatih menggunakan citra karakter sintetis. Pengujian dilakukan dalam empat skenario yaitu pengujian kondisi pada citra pelat sintetis, pengujian optimizer CNN, pengujian pada data video, dan pengujian pada data gambar. Hasil uji coba optimal didapatkan dengan menonaktifkan kondisi oklusi pada dataset pelat sintetis untuk melatih arsitektur SSD dan menggunakan optimizer Adam pada arsitektur CNN dengan nilai akurasi pengenalan sebesar 88,92% pada data video menggunakan majority vote dan 86,77% pada data gambar. Rata-rata total waktu yang dibutuhkan untuk deteksi area, segmentasi karakter, dan pengenalan karakter pada satu area pelat dalam satu frame data video adalah 39,44ms.
================================================================================================================================
License Plate Recognition (LPR) technology has been adopted in many modern traffic applications, such as parking lots and traffic monitoring. Convolutional Neural Network (CNN) based deep learning technology has shown remarkable progress in the LPR field. However, in the CNN training process it takes a large number of labeled samples, while obtaining samples can be difficult because of the time-consuming and high cost of labeling. One solution to overcome this problem is to use synthetic samples to train CNN. In this undergraduate thesis an LPR system will be made using synthetic images as the train data. The LPR consists of three stages, license plate area detection using Single Shot Detector (SSD), character segmentation using Maximally Stable Extremal Regions, and character recognition using CNN. The SSD network architecture will be trained using synthetic plate images with Indonesian plate standard specifications, while the CNN network architecture will be trained using synthetic character images. The test is carried out in four scenarios, namely testing the condition on synthetic plate images, testing the CNN optimizer, testing on video data, and testing on image data. Optimal test results are obtained by disabling occlusion conditions on synthetic license plates images to train SSD architecture and using Adam optimizer on CNN architecture resulting recognition accuracy value of 88.92% in video data using majority vote and 86.77% in image data. The average total time needed to detect area, character segmentation, and character recognition in one plate area in one frame in video data is 39.44ms.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSIf 006.31 Rah p-1 2020 |
| Uncontrolled Keywords: | Citra sintetis, Convolutional Neural Network, Pengenalan pelat nomor kendaraan, Single Shot Detector |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing. |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Ghifaroza Rahmadiana |
| Date Deposited: | 11 Mar 2025 03:11 |
| Last Modified: | 11 Mar 2025 03:11 |
| URI: | http://repository.its.ac.id/id/eprint/73400 |
Actions (login required)
 |
View Item |