Распознавание номерных знаков с помощью нейросетей, дипломная работа по прикладной информатике
Получите бесплатно демо-версию Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить"




Описание
Работа подготовлена и защищена в 2020 году.
Актуальность работы связана с тем, что системы распознавания образов и компьютерного зрения все чаще и чаще используются при автоматическом распознавании номеров автотранспорта.
Проблема идентификации автомобиля по регистрационному номерному знаку является важным аспектом контроля и обеспечения безопасности дорожного движения. Продукты, способные решать данную задачу, востребованы в самых различных сферах. Примером могут служить автотранспортные предприятия, автомобильные стоянки, гаражные кооперативы, коттеджные поселки, заправочные станции, пункты контроля въезда на территорию объекта и т.п.
Распознавание государственных регистрационных знаков является нетривиальной задачей из области технического зрения и искусственного интеллекта. Используемые алгоритмы локализации номерного знака и его распознавания, как правило, являются коммерческой тайной и, естественно, не публикуются. Лишь немногие компании называют их типы и публикуют последовательность действий
Системы технического зрения (СТЗ) сейчас становятся одним из основных средств развития АСУ движением в условиях, когда объём априорных данных не достаточен и для реализации задач управления нужен анализ внешней обстановки в онлайн режиме. СТЗ используются в новейших космических, наземных, подводных и надводных мобильных объектах. Хорошая дальность действия и широкий спектр пространственного и цветового разрешения сегодняшних линейных и матричных приемников оптического излучения СТЗ служат отличными источниками данных при автоматическом выполнении задач навигации, наведения или распознавания.
Важно также отметить некоторые технические трудности внедрения зрительного информационного канала в центр управления мобильными объектами. Сложности связаны с проблемами преобразования зрительных данных в данные результатов слежения, навигации или выявления параметров движения этих объектов в онлайн режиме.
Минимизация времени конвертации зрительных сигналов при большой скорости движения мобильных объектов очень сложна в реализации, и является единственным препятствием для повсеместного применения СТЗ. Сложности также связаны с синтезом алгоритмов необходимых преобразований. Нет универсального алгоритма решения задач зрительного слежения, распознавания, навигации и наведения при стандартном движении аппарата или объекта зрительного слежения. Для любой задачи СТЗ и в конкретной ситуации фотометрических и траекторных условий необходим лишь определенный алгоритм, причём даже незначительное изменение указанной зрительной сцены часто требует смены применяемого алгоритма исследования фотометрического сигнала. Это ведет к необходимости поддержания алгоритмической полноты и структурной устойчивости проведения задач технического зрения на различных фотометрических ситуациях и траекториях передвижения.
Сложная ситуация алгоритмического обеспечения СТЗ складывается и с конструктивными просчетами их технической реализации — нехватке динамических диапазонов свето- и цветопередачи, дискретностью фотоприёмников, астигматизмом канала наблюдения, погрешностями калибровочных характеристик и привязок к времени потока видеоданных. Поэтому зачастую полезность алгоритма гибнет под ударами искажений и шумов. Борьба с помехами в видеоданных становится основной алгоритмической задачей в процессе применения зрительной обратной связи в центр управления. Такой подход требует серьезного развития математических методов и алгоритмов зрительных преобразований в рамках реализации конкретных задач управления передвижными объектами.
Объектом исследования выпускной квалификационной работы является методы и способы распознавания изображений.
Предметом исследования является программная реализация методов распознавания изображений.
При написании выпускной квалификационной работы использовались научные труды следующих авторов: Кашкин В.Б. [18], Монич Ю.И. [26], Пересада В. П. [28].
Целью работы является распознавание номерных знаков с помощью нейросетей.
Основными задачами работы являются:
1. Анализ структуры изображения в цифровом виде;
2. Анализ методов и алгоритмов распознавания номеров автотранспорта;
3. Разработка алгоритмов работы программы;
4. Разработка структуры программного обеспечения;
5. Тестирование программного обеспечения.
Задача распознавания автомобильных номеров часто решается в сложных условиях эксплуатации - при различных погодных условиях, освещении, загрязнении номерных знаков. Решение данной задачи требуется в таких приложениях, как управление автомобильным трафиком, автоматическая обработка дорожных аварий, автоматическая парковка.
Зашумление и наклон номерного знака являются серьёзными проблемами, возникающими при разработке подобных систем. В данной работе решение задачи происходит путём распознавания символов под наклоном, что позволяет избежать дополнительных искажений при приведении номера в горизонтальное положение. В работе рассматриваются алгоритмы, связанные с предобработкой, сегментацией и распознаванием номера.
Характеристики
Программа с исходниками | да |
Год | 2020 |

Я в полном восторге! Заказала здесь диплом по психологии (тема была очень узкая, связанная с тревожностью у студентов) для МУ им. Витте. Сомневалась до последнего. Автор сработал блестяще! Не просто собрал теорию, а грамотно составил программу эмпирического исследования, предложил релевантные методики. Работа была глубокой и действительно научной. При защите комиссия отметила практическую значимость и качественный анализ данных. Рекомендую всем студентам-психологам, кто хочет сэкономить нервы и время!

Обратился в компанию для разработки выпускной квалификационной работы по бизнес-информатике. ВУЗ — МИРЭА, тема касалась анализа ИТ-инфраструктуры и предложений по ее оптимизации. Работу выполнили в оговоренные сроки. Текст был структурирован, содержал не только теоретическую часть, но и грамотно проработанный аналитический раздел с расчетами. Все требования вуза (включая оформление) были соблюдены. Внес пару правок по практической главе — исполнитель отреагировал оперативно. Работа защищена на хорошо. В целом, услуга соответствует заявленной стоимости. Рекомендую.

Работа была сложная, на стыке нескольких областей. Требовалось не просто описать технологию, а спроектировать архитектуру решения и разработать план его внедрения с расчетом экономической эффективности. Меня привлекло то, что со мной работал не один автор, а команда (куратор, технический специалист по блокчейну и экономист). Результат превзошел ожидания: был предоставлен детальный технический проект, написанный с использованием профессиональной нотации (UML), проведен SWOT-анализ внедрения и рассчитан срок окупаемости. Для защиты подготовили яркую презентацию и тезисы. Работа получила высокую оценку за комплексный подход.

Тема про аудит безопасности. Всё четко, по делу, без воды. Спасибо.

Сроки поджимали, до защиты оставалось меньше месяца. Обратился сюда как в последнюю инстанцию. Менеджер сразу предупредил о возможной доплате за срочность, но подключил самого опытного автора по 1С. Коммуникация была на высоте: автор выходил на связь в любое время суток, согласовывал каждый раздел. Работа была выполнена за 3 недели. Она включала не только теорию по ERP-системам, но и детальное описание конфигурации под конкретный бизнес-кейс, что было ключевым требованием в «Синергии». Несмотря на спешку, оформление было идеальным. Сдал без проблем, спасибо за ответственность.