Deteksi Objek dan Pengenalan Karakter Plat Nomor Kendaraan dengan Metode Deep Learning

Abstract

Digunakan 2 modul deep learning, YOLOv5n untuk deteksi plat nomor dan framework TPS-ResNet-BiLSTM-Attn untuk pengenalan karakter. Masing-masing modul dilatih dengan 2 jenis dataset, Dataset 1 mencakup gambar dengan variasi kondisi cuaca panas dan mendung dan Dataset 2 mencakup gambar dengan variasi kondisi panas, mendung dan hujan sedang. Hasil dari variasi pelatihan model kemudian diuji menggunakan 1 dataset yang mencakup gambar plat nomor dalam kondisi cuaca panas, mendung dan hujan. Penelitian menghasilkan model dan metode pelatihan yang efisien. Metode pelatihan dengan performa terbaik untuk model YOLOv5n adalah dengan menggunakan Dataset 2 dan hyperparameter evolution. Didapatkan hasil pengujian berupa nilai mAP 0,893 dan f1-score 0,887. Metode pelatihan dengan performa terbaik pada framework TRBA adalah dengan menggunakan Dataset 2 (3200 data). Didapatkan hasil pengujian model berupa nilai akurasi sebesar 83,08%.