MURAKKAB IQLIM SHAROITLARI VA O‘ZGARUVCHAN YORITISH MUHITIDA AVTOMATIK DAVLAT RAQAMLARINI ANIQLASH (ALPR) TIZIMLARINING MUSTAHKAMLIGINI OSHIRISH: ALEXNETBN VA YOLOV10 MODELLARI TAHLILI

Quzibayev X. S. & Nurjanova N. B.


Annotatsiya

Avtomobillar sonining jadal o‘sishi aqlli transport tizimlarida (ITS) avtomatik davlat raqamini aniqlash (ALPR) texnologiyalariga bo‘lgan ehtiyojni oshirdi. Biroq, qum bo‘ronlari, kuchli yomg‘ir va quyuq tuman kabi noqulay ob-havo sharoitlari tasvir sifatini pasaytirib, an’anaviy algoritmlarning samaradorligini sezilarli darajada kamaytiradi. Ushbu maqolada ikki xil yondashuv: AlexNetBN (Batch Normalization qo‘shilgan AlexNet) va YOLOv10 (bir bosqichli ob-havoga moslashuvchan framework) modellarining imkoniyatlari chuqur tahlil qilinadi. Tadqiqotda Batch Normalization qatlamlarining neyron tarmoq barqarorligiga ta’siri, ma’lumotlarni ko‘paytirish (augmentation) strategiyalari va turli iqlim sharoitlarini simulyatsiya qiluvchi datasetlar (CSCL va Bangladeshi dataset) ko‘rib chiqiladi. Natijalar shuni ko‘rsatadiki, taklif etilgan optimallashtirish usullari aniqlik ko‘rsatkichini 91% dan oshirish imkonini beradi.


Adabiyotlar

  1. Wang, Z., et al. "License Plate Recognition Under the Dual Challenges of Sand and Light," Appl. Sci. 2025.
  2. Saha, U., et al. "A Weather-Adaptive CNN Framework for Better License Plate Detection," Sensors 2024.
  3. Ioffe, S. "Batch normalization: Accelerating deep network training," arXiv 2015.
  4. Redmon, J. "You Only Look Once: Unified, Real-Time Object Detection," CVPR 2016.
  5. Hossain, S.N., et al. "Automatic license plate recognition system for Bangladeshi vehicles," BIM 2021.