Pular para o conteúdo principal

[Visão Computacional] Motor de OCR para ANPR, Normalização com Regex & Votação Majoritária Temporal (Evolução de v01 a v11) (#5)

· 2 min para ler
Jaybee
Jaybee
AI & Robotics Engineer

Votação Majoritária Temporal e Validação Final

📌 Resumo dos Pontos Principais (TL;DR)

  • Desafio: Quadros isolados sofrem inevitavelmente com erros de leitura pontuais por reflexo ou vibração (ex.: confundir 6 com 8 ou B com 8).
  • Solução: Combinação de EasyOCR, correção sintática por expressões regulares (Regex) e comitê de decisão por maioria temporal (Sliding-Window Majority Voting) sobre 11 quadros sucessivos.

1. O Mecanismo de Votação por Maioria Temporal​

Em vez de confiar no resultado de um único quadro instável, o sistema agrega predições em uma janela deslizante contínua de 11 frames:

flowchart TD
    F1["Quadro 1: 24가1511"] --> Buffer[Buffer Circular: 11 Quadros]
    F2["Quadro 2: 24가1511"] --> Buffer
    F3["Quadro 3: 24가1571 (Erro de Leitura)"] --> Buffer
    F4["Quadro 4: 24가1511"] --> Buffer
    Buffer --> Voting{"Votação Majoritária: Qual string tem maior frequência?"}
    Voting -->|8 de 11 Votos| Confirmed["Placa Confirmada: 24가1511 (Confiança: 94.2%)"]

2. A Evolução do Projeto: De v01 a v11​

Ao longo de 11 iterações de engenharia, a equipe elevou a precisão global de ponta a ponta de modestos 31% para impressionantes 96% em condições reais de tráfego.

📌 Resumo Executivo para Gestão (3–5 Linhas)​

  1. Consenso Temporal: A votação por maioria em janela deslizante neutraliza erros transientes de vibração da câmera.
  2. Correção Sintática por Regex: Padrões sintáticos inválidos são tratados antes da computação dos votos.
  3. Robustez Comprovada: Mais de 11 ciclos evolutivos consolidaram uma precisão superior a 96% em tráfego real.
  4. Sistema Completo: A integração dos 6 módulos resulta em uma solução pronta para produção em sistemas ITS.
PUBLICIDADE