Sử dụng Ultralytics YOLO11 để nhận dạng biển số tự động

Khi AI adoption gia tăng, các đổi mới phụ thuộc vào Nhận dạng biển số tự động (ANPR) ngày càng trở nên phổ biến. Hệ thống ANPR sử dụng computer vision để tự động đọc biển số xe và identify and track chúng. Gần đây, advancements in AI đã giúp cho việc nhanh chóng integrate các hệ thống như vậy vào daily lives của chúng ta trở nên khả thi. Trên thực tế, bạn có thể đã thấy ANPR systems tại các trạm thu phí hoặc trong các đợt kiểm tra của cảnh sát đối với speeding vehicles.

Number plate recognition đang trở nên ngày càng quan trọng và global ANPR system market dự kiến sẽ đạt 4,8 tỷ đô la vào năm 2027. Một yếu tố thúc đẩy sự tăng trưởng này là những lợi ích mà ANPR mang lại cho các ứng dụng như traffic management và security.

Để đạt được kết quả tốt nhất từ các ứng dụng ANPR, điều quan trọng là phải hiểu rõ các AI techniques đằng sau các giải pháp này. Ví dụ, object detection, một computer vision task, đóng vai trò thiết yếu để nhận diện và tracking xe cộ một cách chính xác, và đây chính là lúc các computer vision models như Ultralytics YOLO11 phát huy tác dụng. Trong bài viết này, chúng ta sẽ xem xét cách ANPR hoạt động và cách YOLO11, nói riêng, có thể cải thiện các solutions ANPR.

Fig 1. Sử dụng các model Ultralytics YOLO cho ANPR.

Cách nhận diện biển số xe tự động hoạt động như thế nào#

Nhận diện biển số xe tự động bao gồm một vài bước quan trọng để nhận diện biển số xe một cách nhanh chóng và chính xác. Hãy cùng phân tích cách các bước này phối hợp với nhau để làm cho quy trình trở nên hiệu quả:

• Image Capture: Đầu tiên, camera được sử dụng để chụp ảnh phương tiện. Các camera này có thể được lắp đặt ở các vị trí cố định, chẳng hạn như trạm thu phí, hoặc gắn trên xe cảnh sát để tăng tính cơ động.
• Number Plate Detection: Sau đó, các object detection models như YOLO11 được sử dụng để tìm biển số xe trong hình ảnh.
• Optical Character Recognition (OCR): Tiếp theo, OCR được sử dụng để đọc các ký tự trên biển số (trong hình ảnh), chuyển đổi chúng thành văn bản máy có thể đọc được.
• Tra cứu cơ sở dữ liệu: Dữ liệu văn bản sau đó được kiểm tra đối chiếu với cơ sở dữ liệu để xác nhận thông tin biển số.

Fig 2. Ví dụ về việc sử dụng các model Ultralytics YOLO để phát hiện biển số xe.

Hệ thống ANPR thường phải đối mặt với những thách thức như ánh sáng kém, thiết kế biển số khác nhau và tough environmental conditions. YOLO11 có thể giúp giải quyết những vấn đề này bằng cách nâng cao độ chính xác và tốc độ phát hiện, ngay cả trong điều kiện khó khăn. Với models like YOLO11, ANPR có thể hoạt động đáng tin cậy hơn, giúp dễ dàng nhận diện biển số theo thời gian thực, dù là ban ngày hay ban đêm, hoặc trong thời tiết xấu. Trong phần tiếp theo, chúng ta sẽ xem xét kỹ hơn về how you can use YOLO11 để đạt được những cải tiến này.

Cách YOLO11 có thể tăng cường hệ thống ANPR#

Ultralytics YOLO11 lần đầu tiên được giới thiệu tại annual hybrid event của Ultralytics, YOLO Vision 2024 (YV24). Là một object detection model hỗ trợ các ứng dụng thời gian thực, YOLO11 là một lựa chọn tuyệt vời để cải thiện các đổi mới như hệ thống ANPR. YOLO11 cũng rất phù hợp cho các ứng dụng edge AI. Điều này cho phép các giải pháp ANPR được tích hợp YOLO11 hoạt động hiệu quả, ngay cả khi kết nối mạng không ổn định. Nhờ đó, hệ thống ANPR có thể hoạt động mượt mà ở các khu vực vùng sâu vùng xa hoặc nơi có kết nối hạn chế.

YOLO11 cũng mang lại những cải tiến về hiệu suất so với các thế hệ tiền nhiệm. Ví dụ, YOLO11m đạt mean average precision (mAP) cao hơn trên COCO dataset với số lượng tham số ít hơn 22% so với YOLOv8m. Với YOLO11, hệ thống ANPR có thể xử lý tốt hơn các thách thức khác nhau như điều kiện ánh sáng thay đổi, thiết kế biển số đa dạng và phương tiện đang di chuyển, từ đó mang lại khả năng nhận dạng biển số đáng tin cậy và hiệu quả hơn.

Fig 3. So sánh Ultralytics YOLO11 với các phiên bản trước.

Nếu bạn đang tự hỏi how you can use YOLO11 trong project ANPR của mình, thì việc này rất đơn giản. Các variations of YOLO11 model hỗ trợ object detection đã được huấn luyện trước trên COCO dataset. Các model này có thể phát hiện 80 loại đối tượng khác nhau, chẳng hạn như cars, bicycles và animals. Mặc dù biển số xe không nằm trong các nhãn được huấn luyện trước, người dùng có thể dễ dàng huấn luyện tùy chỉnh YOLO11 để phát hiện biển số xe bằng cách sử dụng Ultralytics Python package hoặc nền tảng no-code Ultralytics HUB. Người dùng có quyền linh hoạt tạo hoặc sử dụng một dataset biển số xe chuyên dụng để giúp model YOLO11 được huấn luyện tùy chỉnh của họ trở nên hoàn hảo cho ANPR.

Các ứng dụng của hệ thống ANPR tích hợp với YOLO11#

Tiếp theo, chúng ta sẽ xem xét các ứng dụng khác nhau nơi ANPR và YOLO11 có thể được sử dụng cùng nhau để cải thiện hiệu suất và độ chính xác.

Phát hiện biển số xe thời gian thực cho giao thông và thực thi pháp luật#

Tại các thành phố đông đúc với xe cộ di chuyển qua các giao lộ và đường cao tốc, cảnh sát giao thông phải quản lý tình trạng tắc nghẽn, giám sát vi phạm giao thông và đảm bảo public safety. ANPR, khi được tích hợp với YOLO11, có thể tạo ra sự khác biệt lớn trong những nỗ lực này. Bằng cách nhận diện biển số xe ngay lập tức, nhà chức trách có thể theo dõi luồng giao thông, enforce traffic laws và nhanh chóng xác định các phương tiện liên quan đến vi phạm. Ví dụ, các speeding vehicles có thể dễ dàng bị dừng xe xử lý.

Fig 4. Phát hiện và nhận diện xe chạy quá tốc độ bằng ANPR và YOLO11.

Nhìn chung, ANPR với YOLO11 có thể tự động hóa các tác vụ vốn yêu cầu nỗ lực thủ công. Nó có thể phát hiện các phương tiện vượt đèn đỏ và quản lý hoạt động tại các trạm thu phí. Việc tự động hóa các tác vụ này không chỉ giúp hệ thống hiệu quả hơn mà còn giảm khối lượng công việc cho cảnh sát giao thông, cho phép họ tập trung vào những trách nhiệm quan trọng hơn.

Trong công작 thực thi pháp luật, YOLO11 và ANPR có thể phối hợp cùng nhau để track xe bị đánh cắp và xác định các phương tiện bị treo cờ vì có hành vi đáng ngờ. Khả năng phát hiện thời gian thực của YOLO11 đảm bảo xe được nhận diện nhanh chóng và đáng tin cậy, ngay cả khi chúng đang di chuyển với tốc độ cao. Khả năng này giúp cải thiện an toàn công cộng bằng cách cho phép thời gian phản hồi nhanh hơn và thực thi pháp luật hiệu quả hơn.

Các hệ thống quản lý bãi đỗ xe tiên tiến và ANPR#

Một ứng dụng thú vị khác của ANPR với YOLO11 là trong các parking management systems. Ví dụ, nó cho phép các bãi đậu xe nơi ô tô có thể ra vào và đậu mà tài xế không cần phải tương tác với máy bán vé hay nhân viên phục vụ. Các ANPR parking systems sử dụng YOLO11 có thể hỗ trợ quy trình ra vào và thanh toán diễn ra suôn sẻ.

Fig 5. Quản lý bãi đậu xe sử dụng các model Ultralytics YOLO.

Khi một phương tiện tiếp cận cổng vào, hệ thống ANPR chạy trên YOLO11 sẽ nhận diện biển số ngay lập tức. Hệ thống sau đó đối chiếu biển số với cơ sở dữ liệu đã đăng ký trước hoặc tạo một mục mới. Cổng tự động mở, cho phép phương tiện vào mà không cần bất kỳ bước thủ công nào. Quy trình được tăng tốc tạo ra trải nghiệm thuận tiện hơn cho tài xế.

Tương tự, khi một phương tiện rời đi, hệ thống sẽ phát hiện lại biển số xe bằng YOLO11. Hệ thống tính toán thời gian đậu xe và có thể tự động xử lý thanh toán nếu phương tiện được đăng ký phương thức thanh toán. Sự tự động hóa này loại bỏ nhu cầu sử dụng máy thanh toán vật lý và giúp giảm tình trạng tắc nghẽn tại các lối ra, đặc biệt là trong những giờ cao điểm.

Khả năng phát hiện biển số xe chính xác và theo thời gian thực của YOLO11 là chìa khóa để giúp các parking management systems này hoạt động trơn tru. Bên cạnh việc làm cho việc đậu xe trở nên tiện lợi hơn, nó còn giúp các nhà vận hành quản lý cơ sở vật chất tốt hơn bằng cách giảm thiểu lao động thủ công và cải thiện luồng giao thông.

Sử dụng ANPR để kiểm soát truy cập trong các hệ thống an ninh#

Hệ thống ANPR tích hợp YOLO11 là một lựa chọn tuyệt vời để managing access đến các khu vực an secure như khu dân cư khép kín, khuôn viên doanh nghiệp và các cơ sở hạn chế ra vào. Bằng cách sử dụng ANPR, các địa điểm này có thể tự động hóa khâu security, đảm bảo rằng chỉ những phương tiện được ủy quyền mới được phép vào.

Fig 6. Sử dụng ANPR để cho phép các phương tiện được cấp phép vào khu vực an ninh.

Nó tương tự như hệ thống quản lý bãi đỗ xe mà chúng ta đã thảo luận trước đó. Điểm khác biệt chính là hệ thống kiểm tra biển số đối chiếu với danh sách các phương tiện được ủy quyền. Nếu phương tiện được phê duyệt, cổng sẽ tự động mở, cung cấp quyền truy cập liền mạch cho cư dân, nhân viên hoặc khách truy cập trong khi vẫn đảm bảo an ninh chặt chẽ. Quy trình này giảm nhu cầu kiểm tra thủ công, cho phép nhân viên an ninh tập trung vào các nhiệm vụ quan trọng hơn.

Các hệ thống ANPR là một phần quan trọng của tương lai các thành phố thông minh#

Bây giờ chúng ta đã đi qua một số ứng dụng của các hệ thống ANPR tích hợp với YOLO11, hãy cùng suy nghĩ về các ứng dụng này theo cách kết nối hơn.

Vượt ra ngoài các ứng dụng riêng lẻ, những ưu điểm của chúng thực sự tỏa sáng khi được nhìn nhận như một giải pháp tổng thể duy nhất trong urban infrastructure cho các thành phố thông minh. Khi các thành phố phát triển để trở nên thông minh hơn, các hệ thống ANPR đang đóng vai trò ngày càng quan trọng trong urban infrastructure.

Ví dụ, hãy xem xét một smart city nơi ANPR được sử dụng để quản lý giao thông, cấp quyền truy cập an secure và tối ưu hóa việc đậu xe cùng một lúc. Một phương tiện có thể được phát hiện khi đi vào thành phố, được theo dõi xuyên suốt, được cấp quyền vào các khu vực hạn chế và được phép đậu xe mà không cần bất kỳ sự can thiệp thủ công nào.

Bằng cách tích hợp các computer vision model như YOLO11, ANPR có thể giúp quản lý giao thông hiệu quả hơn, nâng cao bảo mật và cải thiện an toàn công cộng. Các hệ thống này hỗ trợ giám sát theo thời gian thực, quy trình tự động hóa và ra quyết định dựa trên dữ liệu, những yếu tố thiết yếu để quản lý sự phức tạp ngày càng tăng của các đô thị hiện đại.

Cái nhìn cuối cùng về ANPR với YOLO11#

Các hệ thống ANPR đang trở nên thiết yếu đối với cơ sở hạ tầng đô thị hiện đại và việc tích hợp các model thị giác máy tính như YOLO11 làm cho chúng trở nên hữu ích hơn nữa. YOLO11 tăng cường ANPR với độ chính xác tốt hơn, xử lý thời gian thực và khả năng thích ứng, làm cho nó trở nên lý tưởng cho các ứng dụng thành phố thông minh. Từ việc cải thiện quản lý giao thông và thực thi pháp luật đến tự động hóa bãi đỗ xe và truy cập bảo mật, các hệ thống ANPR chạy trên YOLO11 mang lại hiệu quả và độ tin cậy. Khi các thành phố trở nên thông minh hơn, những giải pháp này có khả năng sẽ đóng vai trò quyết định trong việc thay đổi cuộc sống đô thị và hỗ trợ tương lai của cơ sở hạ tầng thông minh.

Để tìm hiểu thêm về AI, hãy truy cập GitHub repository của chúng tôi và tương tác với our community. Khám phá các ứng dụng AI trong manufacturing và agriculture trên các trang giải pháp của chúng tôi. 🚀