Derin öğrenme yöntemleri ve blok tabanlı yaklaşımla iyileştirilmiş plaka tanıma sistemi

Plaka tanıma sistemleri, trafik yönetimi ve güvenliği açısından kritik bir öneme sahiptir. Bu sistemler, sadece trafik akışını düzenlemek ve ihlalleri tespit etmekle kalmaz, aynı zamanda güvenlik güçlerine operasyonel destek sağlayarak, suçla mücadelede de etkin bir rol oynar. Modern toplumların ihtiyaçlarına yanıt veren bu ileri teknoloji çözümleri, hem trafik yönetimi hem de kamu güvenliği alanlarında önemli avantajlar sunmaktadır. Bu araştırma, güncel derin öğrenme tekniklerinin plaka tespiti sürecindeki etkinliğini araştırmakta ve önemli katkılar sunmaktadır. Türkiye'ye ait plakalardaki karakterlerin tek bir sınıflandırıcı ile sınıflandırılması yerine karakterleri çeşitli görüntü işleme teknikleri yardımıyla sayı ve harf bloklarına ayrılarak, her blok için ayrı sınıflandırıcı kullanılmıştır. Bu durumun karakter sınıflandırma doğruluğunu ve dolayısıyla plaka tanıma doğruluğunu artırdığı gözlemlenmiştir. Bu yaklaşım, birbirine benzeyen harf ve sayıların yanlış sınıflandırılma ihtimalini ortadan kaldırmıştır ve karakter sınıflandırma doğruluğu %95.9'dan %99.6'ya yükseltilmiştir. Ayrıca yeni bir karakter özellik veri seti oluşturularak, bu veri seti ile bir derin öğrenme modeli eğitilmiştir. Bu modelin sisteme entegre edilmesi, sınıflandırma doğruluğunu %99.7'ye çıkarmıştır. CUDA teknolojisi kullanılarak eğitimi tamamlanan YOLOv8 nesne tespiti modeli ile de %98.9 mAP değerine ulaşılmıştır. Tüm sistemin plaka tanıma işlemindeki toplam doğruluk oranı %97.3'e ulaşmıştır. Yapılan çalışma, güncel derin öğrenme yöntemlerinin ve önerilen blok tabanlı karakter tanıma yaklaşımının plaka tanıma çalışmalarındaki etkinliğini kanıtlamaktadır.