Дипломная работа на тему "ТЮМГУ | Автоматизированная система управления доступом транспортных средств на парковку"

Работа на тему: Автоматизированная система управления доступом транспортных средств на парковку
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программной и системной инженерии

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ ДОСТУПОМ ТРАНСПОРТНЫХ СРЕДСТВ НА ПАРКОВКУ

Прикладная информатика 09.03.03
Профиль «Разработка информационных систем бизнеса»

г. Тюмень 2023

РЕФЕРАТ
Отчет на 69 стр., 3 глав, 45 рис., 19 источников.
Тема ВКР: Автоматизированная система управления доступом транспортных средств на парковку.
Ключевые слова: Распознавание номерных знаков, СКУД, управление доступом, автоматизация парковки, нейронные сети.
Объектом разработки в данной работе является модуль распознавания номерных знаков и система автоматизации доступа для предприятий.
Цель работы: автоматизировать доступ автомобилей на территорию парковки за счет идентификации их по государственному номерному знаку.
Результат работы: разработан модуль распознавания автомобильных номерных знаков, система, позволяющая управлять деятельностью автоматизированной парковки. Проведено сравнение точности распознавания номерных знаков данной работы с аналогами, существующими на рынке. А также подготовлен доклад для всероссийской конференции молодых ученых МАТЕМАТИЧЕСКОЕ И ИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ (МИМ-2023) (Диплом 1-й
степени).
Область применения: автоматизация парковки предприятий.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 4
ЦЕЛИ И ЗАДАЧИ 8
АКТУАЛЬНОСТЬ И ОБОСНОВАННОСТЬ 9
ГЛАВА 1. ПРОЕКТИРОВАНИЕ 15
ГЛАВА 2. РАЗРАБОТКА 21
2.1. СБОР И ПОДГОТОВКА НАБОРА ДАННЫХ 21
2.2. ОБУЧЕНИЕ МОДЕЛИ ДЕТЕКЦИИ 24
2.3. ВЫРАВНИВАНИЕ НОМЕРНЫХ ЗНАКОВ 32
2.4. РАСПОЗНАВАНИЕ ТЕКСТА 39
2.5. РЕАЛИЗАЦИЯ БИЗНЕС-ЛОГИКИ 43
2.6. УПРАВЛЕНИЕ ШЛАГБАУМОМ 46
2.7. ИНТЕРФЕЙС 48
2.8 ИНТЕГРАЦИЯ В 1С: ЗУП 54
ГЛАВА 3. ТОЧНОСТЬ РАСПОЗНАВАНИЯ 58
3.1. УГОЛ ОТКЛОНЕНИЯ 58
3.2. СТЕРТЫЕ И САМОВОЛЬНО ИЗМЕНЕННЫЕ НОМЕРА 59
3.3. ПРОВЕРКА ТОЧНОСТИ РАСПОЗНАВАНИЯ И СРАВНЕНИЕ С OPEN SOURCE РЕШЕНИЯМИ 61
3.4 ПРОИЗВОДИТЕЛЬНОСТЬ 65
ЗАКЛЮЧЕНИЕ 67
СПИСОК ЛИТЕРАТУРЫ 68

ВВЕДЕНИЕ
Автоматизация большого спектра процессов и задач, которые ранее возлагались на человека, в настоящее время стало необходимым условием и требованием ведения успешного бизнеса. Использование информационных технологий в любой сфере человеческой деятельности позволяет сократить время выполнение большинства задач, рационально управлять ресурсами и увеличить эффективность работы предприятия в целом. С уверенностью можно сказать, что в третьем десятилетии XXI века, использование нейронных сетей для автоматизации задач бизнеса стали быстро растущей тенденцией в области информационных технологий. Целью данной выпускной квалификационной работы является поиск новых способов и методов создания модуля высокоточного распознавания автомобильных номеров, предварительно создав отлаженный конвейер по сбору и дообучению моделей нейронной сети. В качестве бизнес-задачи был выбран сценарий «Автоматизации контроля доступа на парковку предприятия».
Автоматизация контроля доступа на парковку транспортных средств предприятия является задачей, которая может обеспечить безопасность, удобство и упрощенный анализ работы парковки. Данное решение позволит избавить от издержек, направленных на обслуживание постов контроля доступа на парковку и на расходные материалы, которые необходимы для функционирования парковки.
В данной работе рассматривается использование технологии распознавания автомобильных номерных знаков для автоматизации парковки. Будут рассмотрены различные подходы и методы для реализации данного проекта, а также будут проведены анализ результатов и оценка эффективности системы.
Автоматизированная система будет состоять из следующих модулей:
• Видео декодер. Модуль, предназначенный для обработки входного видеопотока.
• Распознавание автомобильного номера:
o а) Детектор номерного знака
o б) Модуль выпрямления номерного знака
o в) Распознаватель текста
• Бизнес-логика.
• Интерфейс.
Видео декодер - модуль, предназначенный для обработки входного видеопотока с камеры или другого видеоисточника. Видеопоток — это временная последовательность кадров определённого формата, закодированная в битовый поток.
Самая большая подсистема “Автоматизированной системы распознавания и контроля доступа на парковку транспортных средств” - распознавание автомобильных номеров. Распознавание автомобильных государственных номерных знаков - одна из самых распространенных и многогранных задач компьютерного зрения. Подходов к решению данной задачи очень много, а создание и выбор лучшего из них - тяжелая задача. В проекте предлагается реализация данного модуля с использованием машинного обучения, а конкретнее, обучения с учителем. Обоснование данного решения представлено в статье [1], в которой описываются традиционные вычислительные алгоритмы и методы. Серьезным недостатком данной работы является низкая производительность (время обработки 1 кадра – 1 сек.) и резкое падение точности при повороте номерного знака (поворот на 25 градусов – точность распознавания 37 процентов). Данная задача легко декомпозируема и полученные задачи в результате декомпозиции могут быть выполнены независимо друг от друга.
Первая задача - обнаружение автомобильного номерного знака на кадре. На сегодняшний есть множество моделей детекции с разной архитектурой, точностью и скоростью работы. Наша задача - собрав и разметив необходимый набор данных обучить несколько моделей детекции и выбрать лучшую из них. Вторая задача - постобработка фрагмента с автомобильным знаком и выравнивание номерного знака. Третья задача - распознавание текста с картинки.
Бизнес-логика является неотъемлемой частью системы, ведь он объединяет в себе все остальные модули и определяет правила агрегации данных. В самом базовом варианте будет реализован доступ к парковке предприятия по “Белому”/ “Черному” спискам. Бизнес-логик может быть большое множество, выбор и создание нового будет напрямую зависеть от заказчика, но все они будут направлены на автоматизацию процессов, выполняемых человеком, с целью контроля и повышения эффективности работы предприятия.
В результате разработки должны быть улучшены значения следующих показателей:
• Время, затрачиваемое на регистрацию автомобиля при въезде и выезде с парковки предприятия.
• Время, затрачиваемое на информационно-аналитическую деятельность.
• Затраты на расходные материалы (бумажные талоны, карточки).
• Затраты, направленные на обеспечение зарплаты обслуживающего персонала.
• Время, на поиск свободного места владельцем транспортного средства (разрешение на въезд только при наличии свободных парковочных мест).
Технические характеристики локального и облачного стенда разработки указаны в Таблице 1.
Таблица 1. Технические характеристики стендов разработки
Наименование Процессор (CPU) Оперативная память Видеокарта
Acer Nitro 5 (локальный) Intel Core i5 9300H 8GB Nvidia GTX1650
Google Colab (облачный) [2] AMD EPYC 7B12 13GB Nvidia Tesla T4

Для успешной подготовки и защиты выпускной квалификационной работы обучающимся использовались средства и методы физической культуры и спорта
с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики 5 утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций

СПИСОК ЛИТЕРАТУРЫ
1. Методы автоматического распознавания автомобильных номеров / Cyberleninka: электронный ресурс.
2. Облачная среда разработки Google Colab / Google Colab: электронный ресурс.
3. Фотографии автомобилей, мотоциклов, прочих транспортных средств и номеров / Platesmania: электронный ресурс.
4. Nomeroff Net / Github: электронный ресурс.
5. Задача нахождения объектов на изображении / IFMO: официальный сайт.
6. Бесплатный онлайн инструмент для разметки фотографий / Makesense: электронный ресурс.
7. Tensorflow Object Detection API / Tensorflow Docs: официальный сайт.
8. Intel Distribution of OpenVINO Toolkit / OpenVINO Docs: официальный сайт.
9. YOLOv5 / Github: электронный ресурс.
10. Стандарт обработки изображений в компьютерном зрении / OpenCV: официальный сайт.
11. Поиск области с текстом для его распознавания / Github: электронный ресурс.
12. Функции активации слоя / Keras: официальный сайт.
13. Распознавание текста с PaddleOCR / Github: электронный ресурс.
14. Высокопроизводительный SORT-трекер на Python / Medium: электронный ресурс.
15. SORT-трекер / Github: электронный ресурс.
16. AI-распознавание людей, объектов и событий / Tevian: официальный сайт.
17. Расстояние Дамерау — Левенштейна / Википедия: официальный сайт.
18. Квантизация нейронных сетей / Google Drive: электронный ресурс.
19. Асинхронный запуск моделей OpenVINO / OpenVINO Docs: официальный сайт.