Text
Implementasi Algoritma SSD Mobile Net V2 dan Optical Character Recognition Pada Pengenalan Plat Nomor Kendaraan
Penggunaan kendaraan dalam kehidupan saat ini semakin meningkat secara eksponensial
dikarenakan adanya perkembangan ekonomi yang cepat. Pengembangan metode pengenalan
kendaraan secara otomatis melalui plat nomor terbukti menjadi salah satu solusi dari peran penting
di dunia aktif ini terutama dalam pengawasan kendaraan dan lalu lintas. Penelitian ini dilakukan
penerapan metode pengenalan dua tahap yaitu menggunakan SSD MobileNet V2 dan Optical
Character Recognition dengan bantuan library python yaitu easyOCR. Pada tahap pengenalan
pertama, jaringan dilatih untuk mendeteksi citra plat nomor kendaraan secara utuh dan mentah
dengan sistem deteksi objek yaitu MobileNet V2, lalu pada tahap kedua diterapkan pada citra plat
nomor yang telah dipotong untuk mengenali karakter nomor seri pada plat nomor yang telah
dideteksi menggunakan easyOCR. Dataset yang digunakan untuk membangun model metode ini
yaitu kumpulan citra plat nomor kendaraan bermotor dari Kaggle Dataset. Model MobileNet V2
dibangun dari 433 citra yang terbagi menjadi 411 data pelatihan, 22 data validasi. Untuk pelatihan
model deteksi dilakukan dengan memilih parameter MobileNet V2 yaitu batchnormalization,
bottleneck, ReLU6 ,image width, dan image height. Berdasarkan hasil pengujian didapatkan nilai
Mean Average Precision (mAP) yang diperoleh dari model yang dilatih adalah 0,94 dan nilai
Intersection over Union (IoU) tertinggi adalah 0,50 dengan nilai skor recall 0,87 dan skor F1 0,91.
Hasil tersebut diperoleh dengan parameter batch 64, subdivisions 18, dan image size 320x320_fnp
menggunakan model pre-trained weights untuk convolutional layers pada MobileNet V2.
Sementara itu, pengenalan karakter nomor seri plat nomor menggunakan easyOCR memiliki
akurasi yang baik pada kondisi cahaya terang serta dilakukan pre-processing yaitu grayscale,
Gaussian Blur, dan thresholding.
Kata Kunci: MobileNet, easyOCR, Pengenalan Plat Nomor, Optical Character Recognition
1247 F 2023 | 1247 F 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain