การพัฒนาระบบรู้จำป้ายทะเบียนรถยนต์อัตโนมัติด้วยเทคนิค OCR และการจำแนกประเภทรถจากสีป้ายทะเบียน
Development of an Automatic License Plate Recognition System Using OCR Techniques and Vehicle Classification Based on License Plate Colors
ผู้จัดทำ: นายธีระพงศ์ เริ่มลึก (รหัสนิสิต 65109010132)
อาจารย์ที่ปรึกษา: ผู้ช่วยศาสตราจารย์วัชรชัย วิริยะสุทธิวงศ์
ที่มาและความสำคัญ
ปัจจุบันระบบบริหารจัดการยานพาหนะ เช่น ระบบควบคุมการเข้าออกพื้นที่ ระบบรักษาความปลอดภัย และระบบจัดการลานจอดรถ มีบทบาทสำคัญในหลายองค์กร การบันทึกหมายเลขทะเบียนรถด้วยวิธีการของมนุษย์ยังคงมีข้อจำกัด เช่น ความผิดพลาดจากการกรอกข้อมูล ใช้เวลานาน และข้อมูลอาจไม่สม่ำเสมอ ด้วยความก้าวหน้าของเทคโนโลยี AI และ Computer Vision จึงสามารถพัฒนาระบบ License Plate Recognition (LPR) ที่ตรวจจับและอ่านข้อความบนป้ายทะเบียนได้โดยอัตโนมัติ ช่วยลดภาระการทำงานของมนุษย์ ลดความผิดพลาด และเพิ่มความรวดเร็วในการประมวลผลข้อมูล
วัตถุประสงค์
- พัฒนาระบบตรวจจับตำแหน่งป้ายทะเบียนจากภาพรถยนต์โดยอัตโนมัติ
- พัฒนากระบวนการตัดภาพเฉพาะบริเวณป้ายทะเบียน
- พัฒนาระบบรู้จำข้อความจากภาพป้ายทะเบียน
- พัฒนาระบบจำแนกประเภทข้อมูลจากป้ายทะเบียน
วิธีการดำเนินงาน
- ออกแบบระบบเป็นขั้นตอนสำคัญในการพัฒนาระบบรู้จำป้ายทะเบียน โดยกำหนดโครงสร้างการทำงานของระบบและลำดับขั้นตอนการประมวลผลข้อมูล (Image Source → LPR Main System → Detection Layer: YOLO Plate Detection → Recognition Layer: OCR (EasyOCR/PaddleOCR) → Post-processing Layer: Rule-based Validation → Output: CSV/JSON)
- การรับภาพรถยนต์ (Input Image) และการตรวจจับตำแหน่งป้ายทะเบียน
- การตัดภาพป้ายทะเบียน
- การอ่านข้อความบนป้ายทะเบียนด้วย OCR
- การจำแนกประเภทรถจากสีป้ายทะเบียน
- การแสดงผลลัพธ์
ผลการดำเนินงาน
- พัฒนาระบบรู้จำป้ายทะเบียนรถยนต์อัตโนมัติ (LPR) ด้วยเทคนิค OCR สำเร็จ
- ระบบสามารถตรวจจับ ตัดภาพ และอ่านข้อมูลบนป้ายทะเบียนได้ (เลข ตัวอักษร จังหวัด)
- ใช้ชุดข้อมูลภาพป้ายทะเบียนประมาณ 10,000 ภาพ (Train/Test = 70:30)
- ใช้ PaddleOCR ในการแปลงภาพเป็นข้อความ
- สามารถจำแนกประเภทรถจากสีป้ายทะเบียนได้
- ประเมินผลด้วยค่า Character Error Rate (CER) และ Field Accuracy
ผลการประเมินระบบ:
| ตัวชี้วัด |
ค่าที่ได้ |
| Plate CER (avg) |
0.1026 |
| Plate Accuracy |
0.48 |
| Province Accuracy |
0.68 |
| Plate Color Accuracy |
0.98 |
| Text Color Accuracy |
0.90 |
| Vehicle Type Accuracy (Canonical) |
0.92 |
ข้อจำกัด: ความแม่นยำลดลงในกรณีภาพไม่ชัด มุมเอียง หรือแสงไม่เหมาะสม
สรุปผลการดำเนินงาน
โครงงานสามารถพัฒนาระบบรู้จำป้ายทะเบียนรถยนต์อัตโนมัติได้สำเร็จ โดยระบบสามารถตรวจจับและอ่านข้อความบนป้ายทะเบียน รวมถึงจำแนกประเภทรถจากป้ายได้อย่างมีประสิทธิภาพ ผลการทดสอบแสดงให้เห็นว่าระบบมีความแม่นยำในระดับที่สามารถนำไปใช้งานจริงได้ อย่างไรก็ตาม ประสิทธิภาพอาจลดลงในกรณีภาพไม่ชัด มุมเอียง หรือแสงไม่เหมาะสม