Pengenalan Plat Nomor Kendaraan Bermotor dengan Metode YOLO-Darknet

Amini, Dyah Ayu (2020) Pengenalan Plat Nomor Kendaraan Bermotor dengan Metode YOLO-Darknet. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 06111640000025_Undergraduate_Thesis.pdf]
Preview
Text
06111640000025_Undergraduate_Thesis.pdf

Download (8MB) | Preview

Abstract

Pengenalan karakter merupakan salah satu tahap dalam sistem pengenalan plat nomor. Pengenalan karakter dilakukan untuk mendapatkan data karakter teks. Metode yang diusulkan adalah YOLOv3 (You Only Look Once) dan sebagai feature extractor digunakan Darknet-53. Pada penelitian ini, data yang digunakan adalah gambar plat nomor yang berasal dari hasil ekstraksi dan cropping video kendaran bermotor yang telah diambil menggunakan handphone dan kamera. testing dilakukan dengan dua model berbeda yaitu model yang didapat dengan tambahan preprocessing data dan model yang didapat tanpa adanya preprocessing data. Preprocessing data dilakukan untuk memperbaiki kualitas citra plat nomor. Testing dilakukan pada dataset citra plat nomor tanpa gangguan dan dataset citra plat nomor dengan gangguan berupa penambahan dan pengurangan intensitas warna (brightness) pada citra. Untuk model yang didapat dari training data tanpa preprocessing, nilai akurasi pengenalan plat nomor paling tinggi yang diperoleh sebesar 80% dan akurasi pengenalan karakter sebesar 97.1%. Sementara itu untuk model yang didapat dari training data dengan preprocessing, akurasi pengenalan plat nomor paling tinggi yang didapat sebesar 88% dan akurasi pengenalan karakter sebesar 98.2%.

Item Type: Thesis (Other)
Uncontrolled Keywords: Pengenalan Plat Nomor, YOLO-Darknet, Pengenalan Karakter, Preprocessing, Plate Recognition, YOLO-Darknet, Character Recognition.
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Dyah Ayu Amini
Date Deposited: 23 Aug 2020 06:47
Last Modified: 29 Oct 2023 14:22
URI: http://repository.its.ac.id/id/eprint/79709

Actions (login required)

View Item View Item