Tahapan-tahapan tersebut terbagi menjadi 3 tahapan yaitu:
- Pengambilan Citra
- Pemotongan Citra
- Pengolahan Citra
A. Pengambilan Citra
Tahap ini plat nomor kendaraan diambil citranya melalui kamera. Agar didapat citra yang baik diusahakan peletakan kamera sesuai dengan posisi gerak kendaraan. Citra hasil pemotretan masih berupa citra mentah dimana tidak hanya citra dari plat nomor saja yang terpotret melainkan juga citra lain. Oleh karenanya masih dibutuhkan tahapan-tahapan selanjutnya.
B. Pemotongan Citra
Tahap ini citra awal butuh dikenali mana yang plat nomor mana yang bukan sehingga butuh dilakukan pemotongan pada citra plat nomor saja. Pemotongan ini dapat dilakukan secara manual maupun otomatis dengan bantuan algoritma tertentu. Akan tetapi pada pembahasan ini hanya digunakan pengubahan warna citra saja untuk sehingga tidak ada pemotongan citra. Citra yang didapat dimasukkan pada Array Matrix 2x2 dengan kemungkinan nilai 0-255.
C. Proses Pengolahan Citra
Citra hasil pemotongan tiap plat nomor pasti berbeda karena factor lingkungan sehingga perlu penyeragaman untuk memudahkan penilaian. Masalah ini diatasi dengan beberapa tahap.
1. Tresholding
Memisahkan citra dari latar belakang sehingga hanya menghasilkan nilai 0 atau 255 (untuk kemudahan biasanya 0 untuk 0 dan 1 untuk 255). Ini bisa dilakuakan karena kita telah mengetahui rata-rata nilai warna atau nilai ambang dari citranya.
2. Segmentasi
Masing-masing objek dipisahkan satu dengan lainnya. Tahapnya yaitu mendeteksi tiap barisnya, jika terdeteksi warna putih maka ditentukan sebagai batas awal pemotongan. Tiap baris akan dideteksi sampai tidak ada warna putih lagi. Jika sudah terdeteksi warna hitam maka ditentukan sebagai batas akhir pemotongan. Untuk segmentasi tiap karakter, dilakukan pendeteksian warna putih tiap kolom. Jika dideteksi warna putih maka akan ditentukan sebagai batas awal pemotongan karakter pertama, jika sudah terdeteksi warna hitam maka ditentukan sebagai batas akhir pemotongan karakter pertama.
D. Proses Pengenalan
Pengenalan tiap-tiap karakter yang telah dipisahkan dapat menggunakan beberapa algoritma. Salah satunya adalah JST (Jaringan Syaraf Tiruan) dan yang umum dipakai untuk pola pengenalan adalah JST jenis perambatan galat mundur atau backpropagation. JST merupakan algoritma matematis yang bertindak seperti halnya jaringan syaraf manusia yang mempunyai bobot impuls listrik tertentu sehingga dapat mengenali sesuatu berdasarkan rangsangannyanya.
Parameter-parameter yang digunakan :
- Jumlah Layer : umumnya 3 yaitu Input, Hiddden, dan Output.
- 2. Unit Tiap Layer : misalnya, 100 unit input (dari umumnya pixel citra yang digunakan setiap karakternya yaitu 10x10 pixel), hidden 20 dan 30 layer, dan output 36 unit sesuai karakter 0-9 dan A-Z.
- dan parameter-parameter matematisa lainnya sesuai dengan algoritmanya.
Perlu diketahui bahwa JST Backpropagation membutuhkan pembelajaran terlebih dahulu agar dapat digunakan. Dengan memberikan masukan dan keluaran yang diharapkan, JST akan secara otomatis membentuk bobot-bobot tertentu pada tiap layernya sampai didapat hasil yang benar antara masukan dan keluaran. Apabila bobot-bobot ini telah didapat maka dapat digunakan untuk mengenali karakter-karakter hasil citra yang telah disegmentasi.
E. Aplikasi dan Validasi
Penggunaan bobot-bobot yang telah didapat untuk JST butuh untuk diuji kembali apakah sudah benar atau tidak. Jikalau belum benar maka proses training harus diulangi dan dievaluasi terlebih dahulu. Jikalau telah benar maka selamat pada anda karena telah berhasil membuat aplikasi pengenalan plat nomor dengan JST.
*Artikel ini dirangkum dari berbagai sumber
