Klik di sini untuk melihat video penelitian

Sistem Electronic Traffic Law Enforcement (ETLE) memanfaatkan teknologi pengolahan citra untuk mendukung proses identifikasi kendaraan dan pelanggaran lalu lintas. Namun, proses pembacaan plat nomor masih dapat menghadapi kendala ketika citra mengalami distorsi visual. Pendekatan deteksi konvensional berbasis bounding box dapat menghasilkan area deteksi yang kurang presisi, sehingga berpotensi memengaruhi proses pembacaan karakter pada plat nomor.

Menjawab permasalahan tersebut, Muhammad Raffi Hakim melakukan penelitian yang berfokus pada peningkatan akurasi deteksi plat nomor untuk mendukung sistem ETLE. Penelitian ini mengusulkan modifikasi arsitektur YOLOv11dengan menambahkan modul Coordinate Attention dan Prototype Mask Assembly.

Berbeda dari pendekatan yang hanya menentukan posisi objek menggunakan bounding box, pendekatan yang diusulkan mengarah pada segmentasi tingkat piksel. Dengan pendekatan tersebut, sistem dapat memisahkan area karakter plat nomor dari derau atau latar belakang secara lebih presisi. Hasil segmentasi yang lebih akurat diharapkan dapat menghasilkan citra yang lebih optimal untuk tahap Optical Character Recognition (OCR).

Hasil pengujian menunjukkan adanya peningkatan performa pada model yang diusulkan, dengan nilai mean Average Precision (mAP) mencapai 97,1%. Peningkatan tersebut menunjukkan kemampuan model dalam menghasilkan deteksi dan segmentasi plat nomor dengan tingkat presisi yang tinggi.

Hasil penelitian ini menunjukkan bahwa modifikasi YOLOv11 dengan pendekatan berbasis segmentasi dapat menjadi alternatif untuk mengatasi keterbatasan deteksi plat nomor menggunakan bounding box konvensional. Dengan menghasilkan area plat dan karakter yang lebih terpisah dari derau latar belakang, pendekatan ini berpotensi mendukung proses pembacaan plat nomor yang lebih akurat pada sistem ETLE.

Penelitian ini turut menunjukkan pentingnya pengembangan metode computer vision yang mampu menangani distorsi dan kompleksitas visual dalam sistem penegakan hukum berbasis teknologi. Integrasi deteksi, segmentasi, dan OCR dapat mendukung pengembangan sistem ETLE yang lebih presisi dan andal.

Lihat video penelitian selengkapnya di Instagram:
https://www.instagram.com/reel/DXggJ5EEcsu/?utm_source=ig_web_copy_link&stkn=MzRlODBiNWFlZA==