Electronic Theses and Dissertation

Peningkatan jumlah kendaraan bermotor di Indonesia menjadi tantangan tersendiri bagi manajemen tempat parkir. Penelitian ini mengusulkan implementasi sistem parkir cerdas menggunakan pengenal karakter plat nomor kendaraan. Sistem parkir cerdas yang akan dibangun menggunakan model You Only Look Once (YOLOv8) untuk mendeteksi area plat nomor dan pengenalan karakter berbasis Convolutional Recurrent Neural Network (CRNN) yang ditanam pada suatu prototipe berbasis Raspberry Pi. Model ini diintegrasikan dengan perangkat Raspberrypi, Kamera, dan motor Servo untuk deteksi otomatis plat nomor kendaraan saat memasuki dan meninggalkan tempat parkir. Model YOLOv8 mendeteksi area plat nomor dengan menghasilkan kotak pembatas (bounding box) melalui lapisan konvolusi. Kotak ini digunakan untuk memotong area relevan dari gambar asli, menghasilkan citra yang hanya berisi plat nomor. Citra tersebut kemudian diproses lebih lanjut melalui tahap pra-pemrosesan agar sesuai dengan format input model CRNN. Model CRNN mengekstraksi fitur visual melalui lapisan konvolusi dan memodelkan hubungan antar karakter menggunakan lapisan recurrent untuk mengenali karakter plat nomor. Proses ini diimplementasikan pada Raspberry Pi menggunakan TensorFlow Lite, yang memungkinkan YOLOv8 dan CRNN berjalan secara efisien. Hasil yang di peroleh dari model YOLOv8 untuk deteksi area letak plat nomor mendapatkan akurasi sebesar 94,69%, dengan Precision 98,32%, Recall 96,25%, dan untuk F1 Score 97,27%. Untuk pengenalan karakter dengan model CRNN pada 30 plat nomor menghasilkan akurasi 93,8%. Namun ada beberapa karakter plat nomor yang tidak terdeteksi dengan tepat seperti karakter ‘G’ terdeteksi ‘C’, ‘Q’ terdeteksi ‘O’ dan ‘W’ terdeteksi ‘H’ dan ‘M’.

The increasing number of vehicles in Indonesia presents challenges in managing parking spaces. This research proposes the implementation of an intelligent parking system based on vehicle license plate character recognition. The designed system utilizes You Only Look Once (YOLOv8) model to detect the license plate area, as well as Convolutional Recurrent Neural Network (CRNN) to recognize the characters on the license plate. The system is integrated with a Raspberry Pi, a camera, and a servo motor, enabling the detection of vehicle license plates when entering and exiting the parking lot. The YOLOv8 model functions detects the license plate area by generating a bounding box through a convolution layer. This box is used to crop out relevant areas from the original image leaving only the license plate image. The image is then processed through a pre-processing stage to match the input format of the CRNN model. Next, the CRNN model extracts visual features through a convolution layer and utilizes a recurrent layer to recognize the relationship between characters on the license plate. The overall process is implemented on Raspberry Pi using TensorFlow Lite, which allows YOLOv8 and CRNN to run efficiently. Based on the test results, the YOLOv8 model showed 94.69% accuracy for license plate area detection, with Precision 98.32%, Recall 96.25%, and F1 Score 97.27%. Meanwhile, the CRNN model recorded 93.8% accuracy in character recognition on 30 plates. However, there are some errors in character detection, such as the character 'G' recognized as 'C', 'Q' as 'O', and 'W' as 'H' and ‘M’.