فرناز عليزاده

Design an‎d Implementation of an Intelligent System for Road Traffic Monitoring, Processing, an‎d Violation Verification

اين پروژه به طراحي و پياده‌سازي يك سامانه هوشمند شناسايي و پايش خودرو مبتني بر بينايي ماشين و يادگيري عميق مي‌پردازد. هدف اصلي، توسعه يك سيستم يكپارچه براي تشخيص خودرو، مكان‌يابي و خواندن پلاك و همچنين طبقه‌بندي نوع وسيله نقليه به‌صورت بلادرنگ است. در اين پژوهش، ابتدا مفاهيم پردازش تصوير و الگوريتم‌هاي يادگيري ماشين به‌منظور استخراج ويژگي‌ها و آماده‌سازي داده‌ها مورد استفاده قرار گرفت. سپس با بهره‌گيري از مدل‌هاي تشخيص شيء مبتني بر شبكه‌هاي عصبي كانولوشني، از جمله YOLO، فرآيند تشخيص بلادرنگ پلاك خودرو طراحي و پياده‌سازي شد. ناحيه شناسايي‌شده پلاك به سامانه تشخيص نوري كاراكترها ارسال گرديد تا شماره پلاك استخراج شود. در ادامه، به‌منظور طبقه‌بندي خودروها به دو دسته سبك و سنگين، از شبكه عصبي عميق ResNet استفاده شد. بهبود عملكرد مدل‌ها از طريق تكنيك‌هايي نظير افزايش داده ، تنظيم دقيق مدل و بهينه‌سازي ابرپارامترها انجام گرفت و ارزيابي سيستم با معيارهايي نظير Accuracy و F1-Score صورت پذيرفت. در بخش زيرساخت، فرآيندهاي استقرار، پيكربندي و نگهداري سامانه با بهره‌گيري از رويكردهاي DevOps و ابزارهايي مانند Ansible و Paramiko خودكارسازي شد تا پايداري، مقياس‌پذيري و قابليت اطمينان سيستم افزايش يابد. نتايج حاصل نشان مي‌دهد سامانه پيشنهادي قادر است با دقت بالا و در شرايط عملياتي واقعي، فرآيند تشخيص و طبقه‌بندي خودروها را به‌صورت بلادرنگ انجام دهد و قابليت استفاده در سامانه‌هاي حمل‌ونقل هوشمند و مديريت ترافيك را داراست.

يادگيري ماشين , بينايي ماشين , پردازش تصوير , الگوريتم YOLO , Real-Time , RestNet