Sử dụng Ultralytics YOLO11 để nhận dạng biển số tự động

Khi áp dụng AI ngày càng tăng, các đổi mới dựa trên Nhận diện biển số xe tự động (ANPR) đang trở nên phổ biến hơn. Các hệ thống ANPR sử dụng thị giác máy tính để tự động đọc biển số xe cũng như xác định và theo dõi chúng. Gần đây, những tiến bộ trong AI đã giúp việc tích hợp các hệ thống như vậy vào đời sống hàng ngày trở nên nhanh chóng hơn. Trên thực tế, có thể bạn đã thấy các hệ thống ANPR tại các trạm thu phí hoặc trong quá trình cảnh sát kiểm tra xe chạy quá tốc độ.

Nhận diện biển số xe đang trở nên ngày càng quan trọng và thị trường hệ thống ANPR toàn cầu dự kiến sẽ đạt 4,8 tỷ đô la vào năm 2027. Một yếu tố góp phần vào sự tăng trưởng này là những lợi ích mà ANPR mang lại cho các ứng dụng như quản lý giao thông và an ninh.

Để đạt được kết quả tốt nhất từ các ứng dụng ANPR, điều quan trọng là phải hiểu rõ các kỹ thuật AI đằng sau những giải pháp này. Ví dụ, phát hiện đối tượng, một tác vụ thị giác máy tính, là yếu tố cần thiết để nhận diện và theo dõi phương tiện một cách chính xác, và đây chính là nơi mà các mô hình thị giác máy tính 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 giải pháp ANPR.

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

Link to this sectionCách 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:

• Chụp ảnh: Đầu tiên, các camera được sử dụng để chụp ảnh phương tiện. Những camera này có thể được lắp đặt tại các vị trí cố định, chẳng hạn như trạm thu phí, hoặc gắn trên xe cảnh sát để tăng tính linh động.
• Phát hiện biển số: Sau đó, các model phát hiện đối tượng như YOLO11 được sử dụng để tìm biển số xe trong ảnh.
• Nhận dạng ký tự quang học (OCR): Tiếp theo, OCR được sử dụng để đọc các ký tự trên biển số (trong ảnh), chuyển đổi chúng thành văn bản mà máy tính 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.

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

Các hệ thống ANPR thường phải đối mặt với những thách thức như điều kiện ánh sáng kém, các thiết kế biển số khác nhau và điều kiện môi trường khắc nghiệt. YOLO11 có thể giúp giải quyết các vấn đề này bằng cách tăng cường tốc độ và độ chính xác khi phát hiện, ngay cả trong những điều kiện khó khăn. Với các model như YOLO11, ANPR có thể hoạt động đáng tin cậy hơn, giúp nhận diện biển số dễ dàng hơn trong thời gian thực, bất kể ngày hay đêm, hoặc trong thời tiết xấu. Trong phần tiếp theo, chúng ta sẽ xem xét kỹ hơn cách bạn có thể sử dụng YOLO11 để đạt được những cải tiến này.

Link to this sectionCách YOLO11 có thể tăng cường hệ thống ANPR#

Ultralytics YOLO11 lần đầu tiên được giới thiệu tại sự kiện hybrid hàng năm của Ultralytics, YOLO Vision 2024 (YV24). Là một model phát hiện đối tượng 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 phù hợp cho các ứng dụng AI biên. Điều này cho phép các giải pháp ANPR tích hợp với YOLO11 hoạt động hiệu quả, ngay cả khi kết nối mạng không ổn định. Kết quả là, các hệ thống ANPR có thể hoạt động mượt mà ở những vị trí xa xôi hoặc các khu vực có kết nối hạn chế.

YOLO11 cũng mang lại những cải tiến về hiệu suất so với các phiên bản tiền nhiệm. Ví dụ, YOLO11m đạt mAP (mean average precision) cao hơn trên tập dữ liệu COCO với số lượng tham số ít hơn 22% so với YOLOv8m. Với YOLO11, các hệ thống ANPR có thể xử lý tốt hơn nhiều thách thức như điều kiện ánh sáng thay đổi, các thiết kế biển số đa dạng và phương tiện đang di chuyển, dẫn đến việc nhận diện biển số xe hiệu quả và đáng tin cậy hơn.

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

Nếu bạn đang tự hỏi làm thế nào để sử dụng YOLO11 trong dự án ANPR của mình, thì rất đơn giản. Các biến thể của model YOLO11 hỗ trợ phát hiện đối tượng đã được huấn luyện trước trên tập dữ liệu COCO. Các model này có thể phát hiện 80 loại đối tượng khác nhau, chẳng hạn như ô tô, xe đạp và động vật. Mặc dù biển số xe không nằm trong các nhãn đã 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 gói Python của Ultralytics hoặc nền tảng Ultralytics HUB không cần code. Người dùng có sự linh hoạt trong việc tạo hoặc sử dụng một tập dữ liệu chuyên dụng về biển số xe để giúp model YOLO11 được huấn luyện tùy chỉnh của họ hoàn hảo cho ANPR.

Link to this sectionCác 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.

Link to this sectionPhát hiện biển số xe thời gian thực cho giao thông và thực thi pháp luật#

Tại các thành phố nhộn nhịp với xe cộ di chuyển qua các giao lộ và đường cao tốc, cảnh sát giao thông phải quản lý ùn tắc, giám sát các vi phạm giao thông và đảm bảo an toàn công cộng. Khi tích hợp với YOLO11, ANPR có thể tạo ra sự khác biệt lớn trong những nỗ lực này. Bằng cách nhận diện biển số xe ngay lập tức, các cơ quan chức năng có thể theo dõi lưu lượng giao thông, thực thi luật giao thông và nhanh chóng xác định các phương tiện vi phạm. Ví dụ, xe chạy quá tốc độ có thể dễ dàng bị phát hiện.

Hình 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 thực thi pháp luật, YOLO11 và ANPR có thể kết hợp với nhau để theo dõi các xe bị đánh cắp và xác định các xe bị gắn cờ vì có hoạt động đáng ngờ. Khả năng phát hiện thời gian thực của YOLO11 đảm bảo các phương tiện được nhận diện nhanh chóng và đáng tin cậy, ngay cả khi chúng đang di chuyển nhanh. Khả năng này giúp cải thiện an toàn công cộng bằng cách cho phép thời gian phản ứng nhanh hơn và thực thi pháp luật hiệu quả hơn.

Link to this sectionCác hệ thống quản lý bãi đỗ xe tiên tiến và ANPR#

Một ứng dụng thú vị khác của ANPR với YOLO11 là trong các hệ thống quản lý bãi đỗ xe. Ví dụ, nó cho phép các bãi đỗ xe mà tại đó xe có thể vào, đỗ và rời đi mà tài xế không cần phải tương tác với máy bán vé hay nhân viên. Các hệ thống đỗ xe ANPR sử dụng YOLO11 có thể hỗ trợ các quy trình ra vào và thanh toán mượt mà.

Hình 5. Quản lý bãi đỗ xe bằng 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 lại phát hiện biển số xe bằng cách sử dụng YOLO11. Nó tính toán thời gian đỗ xe và có thể tự động xử lý thanh toán nếu phương tiện đã đăng ký phương thức thanh toán. Việc tự động hóa giúp loại bỏ nhu cầu về máy thanh toán vật lý và giúp giảm ùn tắc tại các lối ra, đặc biệt là vào những thời điểm bận rộn.

Khả năng phát hiện biển số xe chính xác và trong thời gian thực của YOLO11 là chìa khóa để làm cho các hệ thống quản lý bãi đỗ xe này hoạt động mượt mà. Bên cạnh việc làm cho việc đỗ xe trở nên thuận tiện hơn, nó còn giúp các nhà điều hành quản lý cơ sở của họ tốt hơn bằng cách giảm bớt lao động thủ công và cải thiện lưu lượng giao thông.

Link to this sectionSử dụng ANPR để kiểm soát truy cập trong các hệ thống an ninh#

Các hệ thống ANPR tích hợp với YOLO11 là một lựa chọn tuyệt vời để quản lý truy cập vào các khu vực bảo mật như khu dân cư khép kín, khuôn viên doanh nghiệp và các cơ sở bị hạn chế. Bằng cách sử dụng ANPR, những địa điểm này có thể tự động hóa an ninh, đảm bảo rằng chỉ các phương tiện được ủy quyền mới được phép vào.

Hình 6. Sử dụng ANPR để cho phép các phương tiện được ủy quyền vào các khu vực bảo mật.

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.

Link to this sectionCác 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.

Ngoài việc là các ứng dụng riêng lẻ, lợi ích của chúng thực sự tỏa sáng khi chúng được coi là một giải pháp gắn kết trong cơ sở hạ tầng đô thị cho các thành phố thông minh. Khi các thành phố phát triển để trở nên thông minh hơn, các hệ thống ANPR đang đóng một vai trò ngày càng quan trọng trong cơ sở hạ tầng đô thị.

Ví dụ, hãy xem xét một thành phố thông minh nơi ANPR được sử dụng để quản lý giao thông, cấp quyền truy cập bảo mật và hợp lý hóa việc đỗ xe cùng một lúc. Một phương tiện có thể được phát hiện khi nó đi vào thành phố, được theo dõi trong suốt hành trình, được cấp quyền truy cập vào các khu vực hạn chế và được phép đỗ xe mà không cần bất kỳ sự can thiệp thủ công nào.

Bằng cách tích hợp các model thị giác máy tính như YOLO11, ANPR có thể giúp quản lý giao thông hiệu quả hơn, tăng cường an ninh và cải thiện an toàn công cộng. Những hệ thống này cho phép giám sát thời gian thực, các quy trình tự động và ra quyết định dựa trên dữ liệu, điều cần thiết để quản lý sự phức tạp ngày càng tăng của các thành phố hiện đại.

Link to this sectionCái 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 ghé thăm kho lưu trữ GitHub của chúng tôi và tham gia với cộng đồng của chúng tôi. Khám phá các ứng dụng AI trong sản xuất và nông nghiệp trên các trang giải pháp của chúng tôi. 🚀