Grâce aux progrès technologiques, la précision de la reconnaissance des plaques d'immatriculation (LPR) est de près de 100 %. Cependant, il y aura toujours des plaques d'immatriculation (LP) qui ne peuvent pas être correctement reconnues. Des dommages, des ombres inattendues, des objets gênants ou de mauvais réglages peuvent entraîner des lectures inexactes.
Un matériel plus puissant, un micrologiciel plus intelligent et de meilleurs paramètres augmentent toujours les chances de bonnes lectures, mais cela ne suffit pas : dans les opérations du monde réel, le coût d'une erreur peut être trop élevé. Pour que LPR soit une option réaliste/rentable, les opérateurs ont besoin d'un moyen de différencier les cas où le système est confiant dans ses résultats de ceux qui doutent.
Mais...
Comment un système de RAPI peut-il déterminer un niveau de certitude sans intervention humaine ?
Les programmeurs pleins d'esprit des anciens temps de LPR devaient concevoir une métrique qui traduisait le niveau de certitude du système dans ses performances. Cette métrique devait être calculée automatiquement et liée à chaque lecture afin que les opérateurs puissent l'utiliser comme critère pour déterminer leur ligne de conduite dans un scénario donné (traitement automatique en cas de haute certitude et traitement manuel dans le cas contraire, par exemple).
Pour cet algorithme complexe, les programmeurs devaient intégrer tous les indicateurs de difficultés potentielles de lecture, enregistrés le long du LP, tels que :
Ils l'ont appelé niveau de confiance, qui peut être défini comme "le niveau de certitude que le système a sur une plaque d'immatriculation donnée ayant été lue avec précision".
Le niveau de confiance LPR est une valeur probabiliste qui signifie « à quel point le système est sûr » que sa lecture est précise, étant 0 % équivalent à « pas sûr » et 100 % signifiant « totalement sûr ».
Ne confondons pas confiance avec précision : un niveau de confiance élevé ne garantit pas que le système a correctement identifié le LP ; cela indique simplement une forte probabilité d'identification correcte.
La qualité LPR Confidence Level est particulièrement stratégique : Rien ne sert d'un système LPR qui lit les plaques presque parfaitement si les plaques mal lues (et il y en aura toujours) ne peuvent pas être identifiées dans la masse des transactions.
Le niveau de confiance est une méthode créée par les programmeurs et qui peut varier d'un fabricant à l'autre. Il est donc possible de dire qu'une méthode est « meilleure ou pire que les autres ».
Un niveau de confiance mal calculé donnera trop de faux positifs ou négatifs et induira l'opérateur en erreur dans de mauvaises (et coûteuses) décisions.
Faux positif : lecture erronée de LP avec un niveau de confiance élevé, ce qui entraîne des utilisateurs mal identifiés (et des pertes de revenus ou des plaintes et litiges clients)
Faux négatif : Plaques bien lues avec un niveau de confiance faible, ce qui entraîne un nombre excessif de vérifications manuelles inutiles (et des coûts d'exploitation supplémentaires).
À l'aide d'outils spécialisés (tels que l'outil de validation des performances de Survision GUARD), il est possible d'évaluer la qualité du niveau de confiance et de définir des seuils appropriés pour chaque projet ; ceci est réalisé en simulant des scénarios et en analysant le nombre de faux positifs et négatifs à un certain niveau de confiance.
L'intelligence artificielle représente une avancée monumentale pour LPR dans tous les aspects. Les modèles d'IA entraînés incarnent la fusion idéale de l'analyse humaine, de vastes quantités de données, de capacités de supercalcul de pointe et d'une nouvelle approche de programmation (exactement ce dont LPR avait besoin !).
Grâce à l'intégration de l'analyse humaine dans de vastes collections de plaques d'immatriculation, les modèles d'IA prennent en compte un nombre nettement plus élevé de variables avec une efficacité accrue. Cela se traduit par une amélioration substantielle, non seulement de la précision, mais également de l'incorporation de ces variables dans des calculs plus complexes et plus précieux,
comme le niveau de confiance.
Un niveau de confiance de haute qualité aide les opérateurs à prendre de meilleures décisions concernant le moment d'approuver ou de rejeter une lecture ; correctement utilisé, il peut conduire à des réductions significatives des coûts opérationnels.
Certains opérateurs accepteront d'avoir plus de traitement manuel en échange de l'absence de faux positifs et fixeront un seuil assez élevé sur le niveau de confiance. D'autres accepteront quelques faux positifs en échange d'une forte réduction des traitements manuels et donc des coûts d'exploitation et fixeront un seuil plus bas.
Conscient du grand potentiel que représente LPR pour l'industrie, SURVISION a investi massivement pour fournir un niveau de confiance de haute qualité.