21 octobre 2024
Découvrez comment Ultralytics YOLO11 peut être utilisé dans les systèmes de reconnaissance automatique des plaques d'immatriculation (RAPI) pour une détection en temps réel et une aide à la gestion du trafic et du stationnement.
.png)
Avec l'adoption croissante de l'IA, les innovations qui dépendent de la lecture automatique des plaques d'immatriculation (LAPI) sont de plus en plus courantes. Les systèmes de RAPI utilisent la vision par ordinateur pour lire automatiquement les plaques d'immatriculation des véhicules, les identifier et les suivre. Récemment, les progrès de l'IA ont permis d'intégrer rapidement ces systèmes dans notre vie quotidienne. En fait, vous avez peut-être déjà vu des systèmes ANPR aux postes de péage ou lors de contrôles de vitesse effectués par la police.
La reconnaissance des plaques d'immatriculation devient de plus en plus importante, et le marché mondial des systèmes ANPR devrait atteindre 4,8 milliards de dollars d'ici 2027. Cette croissance s'explique par les avantages qu'offre la RAPI dans des applications telles que la gestion du trafic et la sécurité.
Pour obtenir les meilleurs résultats des applications de RAPI, il est important de comprendre les techniques d'IA qui sous-tendent ces solutions. Par exemple, la détection d'objets, une tâche de vision par ordinateur, est essentielle pour reconnaître et suivre les véhicules avec précision, et c'est là que les modèles de vision par ordinateur comme Ultralytics YOLO11 entrent en jeu. Dans cet article, nous verrons comment fonctionne la RAPI et comment YOLO11, en particulier, peut améliorer les solutions de RAPI.
Ultralytics YOLO11 a été présenté pour la première fois lors de l'événement hybride annuel d'Ultralytics, YOLO Vision 2024 (YV24). En tant que modèle de détection d'objets prenant en charge les applications en temps réel, YOLO11 est une excellente option pour améliorer des innovations telles que les systèmes de reconnaissance automatique de plaques d'immatriculation. YOLO11 convient également aux applications d'intelligence artificielle . Cela permet aux solutions RAPI intégrées avec YOLO11 de fonctionner efficacement, même lorsque la connexion réseau n'est pas fiable. Par conséquent, les systèmes de RNA peuvent fonctionner de manière transparente dans des endroits éloignés ou dans des zones où la connectivité est limitée.
YOLO11 apporte également des améliorations en termes d'efficacité par rapport à ses prédécesseurs. Par exemple, YOLO11m atteint une précision moyenne plus élevée (mAP) sur l'ensemble de données COCO avec 22 % de paramètres en moins par rapport à YOLOv8m. Avec YOLO11, les systèmes de reconnaissance automatique des plaques d'immatriculation peuvent mieux gérer les différents défis tels que les conditions d'éclairage changeantes, les différents modèles de plaques et les véhicules en mouvement, ce qui se traduit par une reconnaissance plus fiable et plus efficace des plaques d'immatriculation.
Si vous vous demandez comment utiliser YOLO11 dans votre projet de RPM, c'est très simple. Les variantes des modèles YOLO11 qui prennent en charge la détection d'objets ont été pré-entraînées sur l'ensemble de données COCO. Ces modèles peuvent détecter 80 types d'objets différents, tels que des voitures, des vélos et des animaux. Bien que les plaques d'immatriculation ne fassent pas partie des étiquettes pré-entraînées, les utilisateurs peuvent facilement entraîner YOLO11 à détecter les plaques d'immatriculation à l'aide du package Ultralytics Python ou de la plateforme sans code Ultralytics HUB. Les utilisateurs ont la possibilité de créer ou d'utiliser un ensemble de données dédié aux plaques d'immatriculation afin de rendre leur modèle YOLO11 personnalisé parfait pour la RAPI.
Nous examinerons ensuite les diverses applications dans lesquelles la RAPI et YOLO11 peuvent être utilisés conjointement pour améliorer l'efficacité et la précision.
Dans les villes animées où les voitures circulent aux intersections et sur les autoroutes, les agents de la circulation doivent gérer les embouteillages, surveiller les infractions au code de la route et assurer la sécurité publique. La RAPI, lorsqu'elle est intégrée à YOLO11, peut faire une grande différence dans ces efforts. En reconnaissant instantanément les plaques d'immatriculation des véhicules, les autorités peuvent surveiller le flux de circulation, faire respecter le code de la route et identifier rapidement les véhicules impliqués dans des infractions. Par exemple, les véhicules en excès de vitesse peuvent être facilement signalés.
Dans l'ensemble, la RAPI avec YOLO11 permet d'automatiser des tâches qui, autrement, nécessiteraient un effort manuel. Il peut détecter les véhicules qui grillent les feux rouges et gérer les opérations de péage. L'automatisation de ces tâches ne rend pas seulement le système plus efficace, mais réduit également la charge de travail des agents de la circulation, leur permettant de se concentrer sur des responsabilités plus importantes.
Dans le cadre de l'application de la loi, YOLO11 et la RNA peuvent travailler ensemble pour suivre les véhicules volés et identifier ceux qui sont signalés pour des activités suspectes. La détection en temps réel de YOLO11 garantit que les véhicules sont reconnus rapidement et de manière fiable, même lorsqu'ils se déplacent rapidement. Cette capacité contribue à améliorer la sécurité publique en permettant des temps de réponse plus rapides et une application plus efficace de la loi.
Une autre application intéressante de la RAPI avec YOLO11 est celle des systèmes de gestion des parkings. Par exemple, il permet de créer des parkings où les voitures peuvent entrer, se garer et sortir sans que le conducteur n'ait besoin d'interagir avec un distributeur de billets ou un préposé. Les systèmes de parking ANPR qui utilisent YOLO11 peuvent faciliter les processus d'entrée, de sortie et de paiement.
Lorsqu'un véhicule s'approche du portail d'entrée, le système ANPR powered by YOLO11 reconnaît instantanément la plaque d'immatriculation. Le système recoupe alors la plaque avec une base de données préenregistrée ou crée une nouvelle entrée. Le portail s'ouvre automatiquement, laissant entrer le véhicule sans aucune étape manuelle. L'accélération du processus permet aux conducteurs de bénéficier d'une expérience plus pratique.
De même, lorsqu'un véhicule quitte les lieux, le système détecte à nouveau la plaque d'immatriculation à l'aide de YOLO11. Il calcule le temps de stationnement et peut traiter automatiquement le paiement si le véhicule est enregistré avec une méthode de paiement. L'automatisation supprime le besoin de machines de paiement physiques et contribue à réduire les embouteillages aux sorties, en particulier pendant les périodes de forte affluence.
La capacité de YOLO11 à détecter les plaques d'immatriculation avec précision et en temps réel est essentielle au bon fonctionnement de ces systèmes de gestion du stationnement. En plus de rendre le stationnement plus pratique, il aide les opérateurs à mieux gérer leurs installations en réduisant le travail manuel et en améliorant le flux de circulation.
Les systèmes de RAPI intégrés à YOLO11 sont une excellente option pour gérer l'accès aux zones sécurisées telles que les communautés fermées, les campus d'entreprise et les installations à accès restreint. En utilisant la RAPI, ces lieux peuvent automatiser leur sécurité, en s'assurant que seuls les véhicules autorisés sont autorisés à entrer.
Il s'agit d'un système similaire au système de gestion du stationnement dont nous avons parlé précédemment. La principale différence réside dans le fait que le système compare la plaque d'immatriculation à une liste de véhicules autorisés. Si le véhicule est autorisé, la barrière s'ouvre automatiquement, ce qui permet aux résidents, aux employés ou aux visiteurs d'accéder à la propriété en toute transparence, tout en maintenant la sécurité à un niveau élevé. Le processus réduit le besoin de vérifications manuelles, ce qui permet au personnel de sécurité de se concentrer sur des tâches plus importantes.
Maintenant que nous avons passé en revue quelques applications de systèmes de RPM intégrés à YOLO11, réfléchissons à ces applications d'une manière plus connectée.
Au-delà des applications individuelles, leurs avantages brillent vraiment lorsqu'ils sont considérés comme une solution cohésive dans l'infrastructure urbaine pour les villes intelligentes. À mesure que les villes évoluent pour devenir plus intelligentes, les systèmes de RAPI jouent un rôle de plus en plus important dans l'infrastructure urbaine.
Prenons l'exemple d'une ville intelligente où la RAPI est utilisée à la fois pour gérer le trafic, accorder un accès sécurisé et rationaliser le stationnement. Un véhicule pourrait être détecté dès son entrée dans la ville, suivi tout au long de son parcours, autorisé à accéder à des zones restreintes et à se garer sans aucune intervention manuelle.
En intégrant des modèles de vision artificielle comme YOLO11, la RAPI peut aider à gérer le trafic plus efficacement, à renforcer la sécurité et à améliorer la sécurité publique. Ces systèmes permettent une surveillance en temps réel, des processus automatisés et une prise de décision fondée sur des données, ce qui est essentiel pour gérer la complexité croissante des villes modernes.
Les systèmes RAPI deviennent essentiels pour les infrastructures urbaines modernes, et l'intégration de modèles de vision par ordinateur tels que YOLO11 les rend encore plus avantageux. YOLO11 améliore la RAPI grâce à une meilleure précision, un traitement en temps réel et une meilleure adaptabilité, ce qui en fait un outil idéal pour les applications des villes intelligentes. Qu'il s'agisse d'améliorer la gestion du trafic et le maintien de l'ordre, d'automatiser le stationnement ou de sécuriser l'accès, les systèmes RAPI alimentés par YOLO11 apportent efficacité et fiabilité. À mesure que les villes deviennent plus intelligentes, ces solutions joueront probablement un rôle crucial dans la transformation de la vie urbaine et dans le soutien de l'avenir de l'infrastructure intelligente.
Pour en savoir plus sur l'IA, visitez notre dépôt GitHub et participez à la vie de notre communauté. Explorez les applications de l'IA dans la fabrication et l'agriculture sur nos pages de solutions. 🚀
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
TR
VI
AR.webp)
Comment fonctionne la reconnaissance automatique des plaques d'immatriculation
La reconnaissance automatique des plaques d'immatriculation comprend quelques étapes importantes pour identifier rapidement et avec précision les plaques d'immatriculation des véhicules. Voyons comment ces étapes s'articulent pour rendre le processus efficace :
Les systèmes de RAPI sont souvent confrontés à des défis tels qu'un mauvais éclairage, différents modèles de plaques et des conditions environnementales difficiles. YOLO11 peut aider à résoudre ces problèmes en améliorant la précision et la vitesse de détection, même lorsque les conditions sont difficiles. Avec des modèles comme YOLO11, la RAPI peut fonctionner de manière plus fiable, facilitant l'identification des plaques en temps réel, que ce soit le jour, la nuit ou par mauvais temps. Dans la prochaine section, nous verrons plus en détail comment vous pouvez utiliser YOLO11 pour réaliser ces améliorations.