Implementasi Convolutional Recurrent Neural Network untuk Identifikasi Plat Nomor Mobil pada Sistem Parkir Otomatis

SUGENG, WINARNO
PUTRI, THETA DINNARWATY
HUSAINI, FAKHRUDIN RIZKY

MIND (Multimedia Artificial Intelligent Networking Database) Journal
Vol 8, No 2 (2023): MIND Journal

AbstrakBeberapa tempat di kota Bandung telah menggunakan sistem otomatis dalam proses pelayanan sistem parkir mobil, namun sistem parkir tersebut masih menggunakan tiket parkir yang digunakan sebagai tanda kendaraan memasuki area parkir. Banyak orang yang mengalami kehilangan tiket parkir, sehingga perlu ada penanganan terhadap masalah tersebut. Dengan adanya masalah tersebut, teknologi Optical Character Recognition (OCR) dapat digunakan sebagai pembaharuan untuk mengenali karakter pada plat nomor mobil sehingga tiket parkir tidak diperlukan lagi. Metode yang digunakan sebagai deteksi teks yaitu Character Region Awareness for Text detection (CRAFT) dan metode untuk pengenalan teks yaitu Convolutional Recurrent Neural Network (CRNN). Hasil training model dengan dataset synthetic yang dibuat dari python library telah menghasilkan model terbaik yang memiliki akurasi sebesar 85,73% terhadap 1500 citra uji synthetic dan akurasi sebesar 77,5 % terhadap 40 citra plat nomor asli yang didapat dari google image dan Kaggle.com.Kata kunci: CRAFT, CRNN, sistem parkir otomatis, real-time  AbstractSeveral places in the city of Bandung have used an automated system in the process of servicing the car parking system, but the parking system still uses a parking ticket which is used as a sign for vehicles entering the parking area. Many people experience lost parking tickets, so there needs to be a solution to this problem. Given this problem, Optical Character Recognition (OCR) technology can be used as an update to recognize characters on car license plates so that parking tickets are no longer needed. The method used for text detection is Character Region Awareness for Text detection (CRAFT) and the method for text recognition is Convolutional Recurrent Neural Network (CRNN). The results of model training with a synthetic dataset made from the python library have produced the best model which has an accuracy of 85.73% for 1500 synthetic test images and an accuracy of 77.5% for 40 original license plate images obtained from Google Image and Kaggle.com.Keywords: CRAFT, CRNN, automatic parking system, real-time