Đánh giá hiệu năng các mô hình OCR học sâu cho hệ thống thu phí không dừng tại Việt Nam

Tóm tắt

Nghiên cứu này đánh giá hiệu năng của các mô hình nhận dạng ký tự quang học (OCR) học sâu trong bài toán nhận dạng biển số xe (LPR) phục vụ hệ thống thu phí không dừng tại Việt Nam. Các mô hình được khảo sát gồm EasyOCR, PaddleOCRv5, YOLOv8-OCR và YOLOv11-OCR. Tập dữ liệu thử nghiệm gồm các ảnh biển số xe Việt Nam được thu thập trong nhiều điều kiện ánh sáng và góc nhìn khác nhau. Các chỉ số đánh giá bao gồm Precision, Recall, F1-Score và License Plate Recognition Accuracy (LPRA). Kết quả thực nghiệm cho thấy các mô hình OCR tổng quát như EasyOCR và PaddleOCRv5 đạt độ chính xác thấp (LPRA lần lượt là 16.85% và 64.63% ), trong khi các mô hình chuyên biệt dựa trên YOLO đạt kết quả vượt trội: YOLOv11-OCR đạt LPRA 99.26% và YOLOv8-OCR đạt tốc độ 191.29 FPS. Kết quả này khẳng định tính khả thi của các mô hình OCR học sâu chuyên biệt trong triển khai thực tế hệ thống thu phí tự động tại Việt Nam.