Perbandingan Akurasi Pengenalan Karakter Plat Nomor Menggunakan Tesseract Dan Data Latih Emnist
| Autor: | Sri Hardianti, Dwiza Riana, Mochammad Zakiyamani, Trisiwi Indra Cahyani |
|---|---|
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | INTECOMS: Journal of Information Technology and Computer Science. 5:18-27 |
| ISSN: | 2614-1574 2621-3249 |
| Popis: | Plat nomor merupakan identitas wajib terdiri dari huruf dan angka yang ada pada kendaraan. Plat nomor dapat dimanfaatkan dalam berbagai kebutuhan seperti sistem parkir, pengawasan lalu lintas, dan pengecekan identitas ketika terjadi kecelakaan. Pengenalan karakter dapat menggunakan Optical Character Recognition (OCR) yang melakukan metode template matching pada huruf dan angka. Menggunakan Convolutional Neural Network dengan melatih data EMINST untuk melakukan pengenalan karakter. Tujuan penelitian ini sebagai perbandingan penggunaan metode OCR menggunakan Tesseract dan CNN dalam melakukan pengenalan karakter. Data yang diuji sebanyak 58 citra mobil dengan 36 kelas karakter yang terdiri dari huruf dan angka. Pengujian pengenalan karakter menggunakan CNN pada data latih EMNIST menghasilkan kinerja yang kurang baik dengan 11 citra miliki akurasi diatas 75%. Penelitian ini menghasilkan pengenalan karakter terbaik pada Tesseract-OCR menggunakan segmentasi karakter pada plat nomor dengan 44 citra memiliki akurasi diatas 75%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|