จำเครื่องสแกนป้ายทะเบียนมูลค่า 86 ล้านเหรียญที่ฉันทำซ้ำได้หรือไม่

เมื่อไม่กี่สัปดาห์ก่อน ฉันได้เผยแพร่สิ่งที่ฉันคิดว่าในขณะนั้นเป็นบทความที่ค่อนข้างไม่มีอันตราย: ฉันจำลองโครงการมูลค่า 86 ล้านดอลลาร์ในโค้ด 57 บรรทัดได้อย่างไร ฉันยอมรับว่าเป็นการอ้างสิทธิ์ที่ค่อนข้างคลิกเหยื่อ โดยพื้นฐานแล้วฉันกำลังบอกว่า Id ทำซ้ำการสแกนป้ายทะเบียนและเทคโนโลยีการตรวจสอบความถูกต้องที่ตำรวจในรัฐวิกตอเรียประเทศออสเตรเลียเพิ่งจ่ายเงินไป 86 ล้านเหรียญ

ตั้งแต่นั้นมา ปฏิกิริยาก็ล้นหลาม บทความของฉันได้รับการเข้าชมมากกว่า 100,000 ครั้งในวันแรก และเมื่อเหลือบมองครั้งสุดท้ายอยู่ที่ประมาณ 450,000 ครั้ง ฉันได้รับเชิญให้ไปพูดในรายการทอล์คโชว์วิทยุท้องถิ่นและในการประชุมที่แคลิฟอร์เนีย

ฉันคิดว่าอาจมีคนเข้าใจผิดว่า Victoria, AU เป็น Victoria, BC แม้ว่าฉันจะปฏิเสธข้อเสนอเหล่านี้อย่างสุภาพ แต่ฉันได้พบกาแฟกับนักพัฒนาท้องถิ่นและบริษัทใหญ่ๆ หลายแห่ง มันน่าตื่นเต้นอย่างไม่น่าเชื่อ

ผู้อ่านส่วนใหญ่เห็นว่ามันคืออะไร: การพิสูจน์แนวคิดเพื่อจุดประกายการอภิปรายเกี่ยวกับการใช้เทคโนโลยีโอเพ่นซอร์ส การใช้จ่ายของรัฐบาล และชายคนหนึ่งปรารถนาที่จะสร้างสิ่งดีๆ จากโซฟาของเขา Pedants ชี้ให้เห็นถึงการขาดการฝึกอบรม การสนับสนุน และค่าใช้จ่ายด้านไอทีขององค์กรตามปกติ แต่ก็ไม่คุ้มที่ใครจะมีเวลาสำรวจสิ่งเหล่านี้ ฉันต้องการใช้โพสต์นี้เพื่อดูผลลัพธ์ของฉันและวิธีที่ผู้อื่นสามารถยืนยันความถูกต้องของตนเองได้

ก่อนที่เราจะลงลึกถึงผลลัพธ์มากเกินไป ขอข้ามสิ่งหนึ่งที่รู้สึกว่าหายไปในโพสต์เดิม แนวคิดสำหรับโครงการนี้เริ่มต้นโดยแยกออกจากโครงการ BlueNet มูลค่า 86 ล้านเหรียญสหรัฐ มันไม่ใช่ความพยายามที่จะเคาะมันออก

มันเริ่มต้นด้วยความคิดที่จู้จี้ว่าเนื่องจากมี OpenCV และเว็บไซต์ VicRoads มีการตรวจสอบป้ายทะเบียนจึงต้องมีวิธีที่จะรวมทั้งสองหรือใช้สิ่งที่ดีกว่า เมื่อฉันเริ่มเขียนบทความเท่านั้นที่ฉันสะดุดกับ BlueNet ในขณะที่ค้นพบ BlueNet และป้ายราคาของมันทำให้ฉันมีมุมบรรณาธิการที่ยอดเยี่ยมด้วยโค้ดที่เขียนไว้แล้ว

อาจมีความไม่สอดคล้องกันระหว่างโครงการ ฉันยังเชื่อว่าสาเหตุส่วนหนึ่งที่ระเบิดคือช่วงเวลาที่สะดวกของการรายงานการใช้จ่ายด้านไอทีของรัฐบาลที่สิ้นเปลืองในออสเตรเลีย การเรียกเก็บเงินด้านไอทีของรัฐบาลกลางได้พุ่งขึ้นจาก 5 เหรียญ

9 พันล้านถึง 10 พันล้านดอลลาร์และมีมูลค่าที่น่าสงสัยสำหรับการระเบิดครั้งนั้น นักวิจัยด้านสื่อที่ติดต่อฉันนั้นรีบเชื่อมโยงทั้งสองอย่างรวดเร็ว แต่นี่ไม่ใช่สิ่งที่ฉันสนับสนุนอย่างรวดเร็ว ข้อจำกัดความรับผิดชอบ ด้วยความโปร่งใส ฉันต้องประกาศบางสิ่งที่หายไปจากโพสต์ต้นฉบับด้วย

นายจ้างคนก่อนของฉันได้ส่งมอบโครงการไอทีที่มีขนาดเล็กกว่า (น้อยกว่า 1 ล้านเหรียญสหรัฐ) ให้กับตำรวจวิกตอเรียและหน่วยงานของรัฐอื่นๆ ด้วยเหตุนี้ ฉันจึงได้ผ่านการตรวจสอบของตำรวจและกรอกแบบฟอร์มที่จำเป็นสำหรับการเป็นผู้รับเหมาของ VicPol ซึ่งอาจหมายความว่าฉันมีขวานที่จะบดขยี้หรือมีความรู้เฉพาะเจาะจงบางอย่าง แต่ฉันภูมิใจกับโครงการที่เราส่งมอบแทน

พวกเขาทั้งตรงเวลาและอยู่ในงบประมาณ การแสดงภาพผลลัพธ์ ต่อไปนี้เป็นวิดีโอแสดงผลลัพธ์ของฉัน ซึ่งรวมไว้ใน After Effects เพื่อความสนุกเล็กน้อย ฉันบันทึกวิดีโอการทดสอบต่างๆ และนี่เป็นคลิปที่ประสบความสำเร็จมากที่สุด

ฉันจะลงรายละเอียดเกี่ยวกับการตั้งค่ากล้องในอุดมคติ พื้นที่การตรวจจับ และอื่นๆ หลังจากวิดีโอ มันจะช่วยให้คุณเข้าใจได้ดีขึ้นว่าอะไรทำให้วิดีโอ iPhone นี้ที่ฉันถ่ายผ่านกระจกบังลมเป็นวิดีโอที่ดีกว่า Contour HD ที่ทำมุมออกไปนอกหน้าต่าง ภาวะที่กลืนไม่เข้าคายไม่ออกทางจริยธรรมหากคุณเห็นกราฟิกฮีโร่ของบทความนี้หรือดูวิดีโอด้านบน คุณอาจสังเกตเห็นพัฒนาการที่น่าสนใจมาก: ฉันจับได้ใครบางคน

โดยเฉพาะอย่างยิ่ง ฉันจับได้ว่ามีคนขับรถที่ยกเลิกการจดทะเบียนตั้งแต่ปี 2559 สิ่งนี้อาจเกิดขึ้นได้จากหลายสาเหตุ ซึ่งสิ่งที่ไร้เดียงสาที่สุดคือการขายต่อโดยหลบเลี่ยง ในบางครั้ง เมื่อการขายรถยนต์ส่วนตัวไม่ได้ทำโดยหนังสือ ผู้ซื้อและผู้ขายอาจไม่ดำเนินการโอนทะเบียนอย่างเป็นทางการให้เสร็จสิ้น

ซึ่งจะช่วยประหยัดผู้ซื้อได้หลายร้อยดอลลาร์ แต่รถยังคงจดทะเบียนกับผู้ขาย ไม่ใช่เรื่องแปลกที่ผู้ขายจะยกเลิกการลงทะเบียนและรับเงินคืนเฉพาะกิจในเดือนที่เหลือ ซึ่งมีมูลค่าหลายร้อยดอลลาร์ อีกทางหนึ่ง ผู้ขับขี่ยานพาหนะอาจเป็นอาชญากรที่เราสงสัยว่าเป็น

ดังนั้น แม้ว่าฉันจะพูดติดตลกว่าโปรเจ็กต์เพลตสนิชเมื่อตั้งค่าบนคอมพิวเตอร์ของฉัน แต่ตอนนี้ฉันต้องเผชิญกับปริศนาว่าจะรายงานสิ่งที่ฉันเห็นหรือไม่ ในที่สุด คนขับก็ถูกตรวจพบโดยใช้อุปกรณ์ต้นแบบของตำรวจเท่านั้น แต่การขับรถทะเบียนปี 2559 (ยกเลิกไม่หมดอายุ) เป็นการเคลื่อนไหวที่จงใจอย่างยิ่ง

หืม กลับมาที่ผลลัพธ์ จากปฏิกิริยาหลายๆ อย่างที่มีต่อบทความของฉัน จำนวนมากค่อนข้างตรงตัวและน่าสงสัย เนื่องจากฉันบอกว่าฉันทำซ้ำซอฟต์แวร์ พวกเขายืนยันว่าฉันต้องมีศูนย์สนับสนุน การรับประกัน และคู่มือการฝึกอบรม

มีคนพยายามทำซ้ำผลลัพธ์ของฉันและฝ่าอุปสรรคที่หลีกเลี่ยงไม่ได้ในด้านคุณภาพของภาพและแหล่งข้อมูล ด้วยเหตุนี้ บางคนจึงบอกเป็นนัยว่าฉันได้เลือกภาพต้นฉบับไว้ เพื่อที่ฉันพูดได้เพียงว่า

เมื่อฉันสร้างการพิสูจน์แนวคิดเบื้องต้น (อีกครั้งโดยมุ่งเน้นที่การตรวจสอบแนวคิด ไม่ใช่การจำลอง BlueNet) ฉันใช้ชุดตัวอย่างขนาดเล็กที่มีภาพน้อยกว่าสิบภาพ เนื่องจากการตั้งค่ากล้องเป็นหนึ่งในปัจจัยที่สำคัญที่สุดใน ALPR หากไม่ใช่ปัจจัยที่สำคัญที่สุด ฉันจึงเลือกปัจจัยเหล่านี้สำหรับคุณลักษณะในอุดมคติที่ช่วยเสริมการจดจำ ในท้ายที่สุด การพิสูจน์แนวคิดที่เปราะบางและทำลายมันเป็นเรื่องง่ายมาก

นวัตกรรมและความท้าทายที่แท้จริงมาจากการพิสูจน์แนวคิดและทำให้มันเป็นไปได้ ตลอดอาชีพการงานของฉัน นักพัฒนาอาวุโสหลายคนบอกฉันว่าสิ่งที่ไม่สามารถทำได้หรืออย่างน้อยก็ไม่สามารถทำได้ในเวลาที่เหมาะสม บางครั้งพวกเขาก็ถูกต้อง

บ่อยครั้ง พวกเขาแค่ไม่ชอบความเสี่ยง ไม่มีอะไรที่เป็นไปไม่ได้จนกว่าจะได้รับการพิสูจน์ว่าเป็นจริง หลายคนดูถูกคำพูดนี้ และคุณอาจเคยเห็นหรือเคยได้ยินรูปแบบหนึ่งของคำกล่าวนี้มาก่อน

สำหรับฉันแล้ว มันสรุปกรอบความคิดการพัฒนาที่ดีอย่างเรียบร้อย ซึ่งแนวคิดที่เพิ่มสูงขึ้นและการตรวจสอบความถูกต้องนั้นเกือบจะจำเป็นต่อการทำความเข้าใจพวกเขา การตั้งค่ากล้อง ALPR ที่เหมาะสมที่สุด โปรเจ็กต์นี้น่าตื่นเต้นและแตกต่างสำหรับฉันมาก เพราะมีตัวชี้วัดความสำเร็จที่ชัดเจนว่าซอฟต์แวร์รู้จักเพลตหรือไม่ สิ่งนี้สามารถเกิดขึ้นได้เฉพาะกับฮาร์ดแวร์ ซอฟต์แวร์ และโซลูชันเครือข่ายร่วมกันเท่านั้น

หลังจากโพสต์บทความต้นฉบับของฉันแล้ว ผู้ที่ขายกล้อง ALPR ได้ให้คำแนะนำอย่างรวดเร็วการซูมแบบออปติคัลวิธีแก้ปัญหาที่ชัดเจนที่สุดในความเข้าใจย้อนหลังคือการใช้การซูมด้วยเลนส์ แม้ว่าฉันจะสำรวจปัจจัยสำคัญอื่น ๆ ด้านล่าง แต่ก็ไม่มีใครทำให้การรับรู้เพิ่มขึ้นอย่างมากเช่นนี้

โดยทั่วไปแล้ว โซลูชัน ALPR ระดับมืออาชีพจะได้รับการชดเชยในมุมหนึ่ง ผ่านการฝึกอบรมเกี่ยวกับตำแหน่งที่จะติดป้ายทะเบียน และซูมเข้าไปในพื้นที่เพื่อให้มีความชัดเจนสูงสุด ซึ่งหมายความว่ายิ่งซูมมากขึ้น มีพิกเซลให้เล่นมากขึ้น กล้องทั้งหมดที่ฉันมีให้ใช้งาน เป็นเลนส์คงที่

ประกอบด้วย: กล้องแอคชั่น Contour HD สิ่งเหล่านี้ออกมาในปี 2009 และฉันใช้ของฉันเพื่อบันทึกการเดินทางโดยปั่นจักรยานของฉันและเพื่อเล่นซ้ำในแต่ละสัปดาห์ใกล้จะถึงแก่กรรม

วิธีเดียวของฉันในการจำลองการซูมด้วยเลนส์คือการใช้แอปเพื่อบันทึกที่ 3K แทนที่จะเป็น 1080p จากนั้นจึงซูมและครอบตัดแบบดิจิทัล อีกครั้งมีพิกเซลให้เล่นมากขึ้น มุม & การจัดตำแหน่งมุมมอง 30 มักถูกอ้างถึงว่าเป็นมาตรฐานสำหรับการจดจำเพลทในอุดมคติ

สิ่งนี้สำคัญมากเมื่อคุณรู้ว่า BlueNet ใช้กล้องหลายตัว นอกจากนี้ยังสมเหตุสมผลเมื่อคุณพิจารณาว่ากล้องด้านหน้าโดยทั่วไปจะไม่เห็นอะไรมากนัก ถ้าฉันต้องเดาว่าอาร์เรย์ที่หันไปข้างหน้าส่วนใหญ่จะเป็นการตั้งค่าในอุดมคติ

มันจะประกอบด้วยกล้องตัวเดียวชี้จุดศูนย์ตายตามข้างบน สองตัวนอกศูนย์ที่ 30 ในแต่ละด้าน และกล้องด้านหลังตัวเดียว ค่าในการให้กล้องส่วนใหญ่ชี้ไปข้างหน้าจะมาจากเวลาตอบสนองที่เพิ่มขึ้น หากรถเคลื่อนที่ไปในทิศทางตรงกันข้าม วิธีนี้จะช่วยให้สแกน ดำเนินการ และกลับรถได้รวดเร็วกว่ากล้องด้านหลังที่จับภาพรถต้องสงสัยซึ่งเลยรถตำรวจไปแล้วสิบเมตร

ยิมบาลเมื่อทำการเรียบเรียงวิดีโอ ฉันคิดว่าจะทำให้ฟุตเทจมีเสถียรภาพ แต่ฉันเลือกที่จะแสดงการขี่ที่เป็นหลุมเป็นบ่อสำหรับสิ่งที่มันเป็น สิ่งที่คุณเห็นคือฉันถือโทรศัพท์ไว้ใกล้กระจกหน้ารถขณะที่ภรรยาขับรถ

ตรวจสอบวิธีการทางวิทยาศาสตร์ที่เข้มงวด ปัจจัยสำคัญอื่น ๆ อัตราเฟรม ทั้งความพยายามที่จะทำซ้ำโครงการของฉันและการบันทึกของฉันตั้งแต่นั้นมาสำรวจความเข้าใจผิดเดียวกันว่าอัตราเฟรมสุ่มตัวอย่าง ALPR อาจเชื่อมโยงกับความสำเร็จ จากประสบการณ์ของผม สิ่งนี้ไม่ได้ช่วยอะไรนอกจากวงจรของเสีย

สิ่งที่สำคัญอย่างเหลือเชื่อคือความเร็วชัตเตอร์ที่สร้างภาพที่ชัดเจนและคมชัดซึ่งป้อนเข้าสู่อัลกอริทึมได้ดี แต่ฉันก็กำลังทดสอบฟุตเทจความเร็วต่ำด้วยเช่นกัน อย่างมากที่สุด รถยนต์สองคันที่วิ่งสวนกันในโซน 60 กม./ชม. ทำให้เกิดส่วนต่าง 120 กม./ชม.

ในทางกลับกัน BlueNet สามารถทำงานได้ถึง 200 กม. / ชม. ในการแก้ปัญหานี้ เพื่อนร่วมงานได้แนะนำการตรวจจับวัตถุและการประมวลผลนอกวง ระบุยานพาหนะและวาดกล่องที่มีขอบเขต

รอให้มันเข้ามาในมุมการจดจำและซูมในอุดมคติ จากนั้นจึงถ่ายภาพต่อเนื่องเป็นชุดสำหรับการประมวลผลแบบอะซิงโครนัส ฉันลองใช้ OpenCV (node-opencv) ในการจดจำวัตถุ แต่ฉันพบว่าบางอย่างง่ายกว่า เช่น การตรวจจับใบหน้า โดยถ่ายจากทุกที่ตั้งแต่ 600800 มิลลิวินาที

ไม่เพียงแค่เหมาะสำหรับการใช้งานของฉันเท่านั้น แต่โดยทั่วไปแล้วค่อนข้างแย่ Hype-train TensorFlow เข้ามาช่วยเหลือ สามารถทำงานบนอุปกรณ์ได้ มีตัวอย่างโครงการที่ระบุยานพาหนะหลายคันต่อเฟรมที่ 27 อันน่าประหลาดใจ

7fps. เวอร์ชันนี้อาจเปิดเผยการประมาณความเร็วได้ ไร้ค่าทางกฎหมาย แต่อาจมีประโยชน์ในการตำรวจทุกวัน (ไม่มีการวัดประสิทธิภาพ fps ใน readme)

เพื่ออธิบายได้ดียิ่งขึ้นว่าการจดจำยานพาหนะประสิทธิภาพสูงสามารถจับคู่กับเทคนิค ALPR ที่ช้าลงได้อย่างไร ฉันได้สร้างวิดีโออีกรายการใน After Effects ฉันนึกภาพว่าทั้งสองมือทำงานร่วมกันจะมีลักษณะดังนี้: อัตราเฟรมเทียบกับความเร็วชัตเตอร์ การแสดงอัตราเฟรมที่แตกต่างกันนั้นส่วนใหญ่ได้รับอิทธิพลจากความเร็วชัตเตอร์ และโดยเฉพาะอย่างยิ่ง ปัญหาชัตเตอร์กลิ้งที่สร้างภัยพิบัติภาพยนตร์ดิจิทัลช่วงต้นหรือตอนปลาย เครื่องบันทึก ต่อไปนี้คือสแนปชอตจากฟุตเทจ Contour HD

คุณสามารถมองเห็นปัญหาชัตเตอร์กลิ้งได้เพียง 60 กม./ชม. ทำให้ภาพวิดีโอใช้ไม่ได้จากมุมมองของ ALPR มากหรือน้อย การปรับอัตราเฟรมทั้ง Contour HD และ iPhone ของฉันไม่ได้ส่งผลให้ความผิดเพี้ยนน้อยลงอย่างเห็นได้ชัด ตามทฤษฎีแล้ว ความเร็วชัตเตอร์ที่สูงกว่าควรให้ภาพที่ชัดเจนและคมชัดยิ่งขึ้น

สิ่งเหล่านี้มีความสำคัญมากขึ้นหากคุณต้องไล่ตามเกณฑ์มาตรฐาน BlueNet 200 กม./ชม. ความเบลอที่น้อยลงและการบิดเบือนชัตเตอร์ที่น้อยลงจะทำให้การอ่านดีขึ้น Open ALPR Version การค้นพบที่น่าสนใจอีกอย่างหนึ่งคือเวอร์ชัน node-openalpr ที่ฉันใช้อยู่นั้นล้าสมัยและไม่ทรงพลังเท่ากับโซลูชันที่เป็นกรรมสิทธิ์ของพวกเขา

แม้ว่าข้อกำหนดของโอเพนซอร์สจะเป็นปัจจัยหนึ่งอย่างแน่นอน แต่ก็น่าทึ่งมากที่เวอร์ชันคลาวด์สามารถอ่านเฟรมได้อย่างแม่นยำซึ่งฉันไม่สามารถระบุเพลทได้อย่างแม่นยำ ALPR Country Training DataI ยังพบว่าแพ็กเกจโหนด-openalpr หลักตั้งค่าเริ่มต้นเป็นการประมวลผลในประเทศสหรัฐอเมริกาด้วย ไม่มีทางที่จะเอาชนะมันได้ คุณต้องดึงส้อมของคนอื่นออกมาซึ่งจะช่วยให้คุณระบุพารามิเตอร์ประเทศเพิ่มเติมได้

แต่นี้ไม่ได้ช่วยเสมอ การใช้อัลกอริธึมที่เป็นค่าเริ่มต้นของสหรัฐฯ ฉันสามารถสร้างผลลัพธ์ได้มากที่สุด การระบุชุดข้อมูลของออสเตรเลียได้ลดจำนวนการอ่านเพลตที่ประสบความสำเร็จลงครึ่งหนึ่ง และพบว่ามีเพียง 1 หรือ 2 เท่านั้นที่อัลกอริธึมของสหรัฐฯ ไม่สามารถทำได้

การจัดหาชุด Australian Wide Plate ที่แยกจากกันทำให้การนับลดลงครึ่งหนึ่งอีกครั้งและแนะนำเพลทเสริมเพียงชุดเดียว มีหลายสิ่งที่เป็นที่ต้องการอย่างชัดเจนเมื่อพูดถึงชุดข้อมูล ALPR ของออสเตรเลีย และฉันคิดว่ารูปแบบจานที่มีจำนวนจริงมีอยู่ใน วิกตอเรียเป็นปัจจัยสนับสนุนPlanar WarpsOpen ALPR มาพร้อมกับเครื่องมือพิเศษอย่างหนึ่งที่ช่วยลดผลกระทบของความผิดเพี้ยนจากทั้งมุมกล้องและปัญหาชัตเตอร์กลิ้ง

วิปริตระนาบหมายถึงวิธีการส่งพิกัดไปยังไลบรารีเพื่อเอียง แปล และหมุนรูปภาพจนดูเหมือนกับเพลตแบบตรงอย่างใกล้ชิด ในประสบการณ์การทดสอบที่จำกัดของฉัน ฉันไม่พบวิปริตระนาบที่ทำงานที่ ความเร็วทั้งหมด เมื่อคุณพิจารณาชัตเตอร์กลิ้ง การบิดเบือนจะเพิ่มขึ้นเมื่อเทียบกับความเร็วของรถ

ฉันคิดว่าการป้อนมาตรความเร่งหรือข้อมูลความเร็ว GPS เนื่องจากค่าสัมประสิทธิ์อาจใช้ได้ หรือซื้อกล้องที่ไม่เป็นขยะเลย สิ่งที่คนอื่นทำในอุตสาหกรรมนี้ มีผู้อ่านจำนวนมากติดต่อมาหลังจากโพสต์ที่แล้วเพื่อแบ่งปันประสบการณ์และแนวคิดของตนเอง

บางทีวิธีแก้ปัญหาที่น่าสนใจอีกอย่างหนึ่งที่บอกกับฉันก็คือ Auror ในนิวซีแลนด์ พวกเขาใช้กล้อง ALPR แบบตายตัวในปั๊มน้ำมันเพื่อรายงานคนขโมยน้ำมัน ในตัวมันเองไม่ได้ใหม่โดยเฉพาะอย่างยิ่งและการปฏิวัติ

แต่เมื่อรวมเข้ากับเครือข่ายแล้ว พวกเขาสามารถแจ้งเตือนโดยอัตโนมัติเมื่อผู้กระทำผิดที่ทราบได้กลับมา หรือกำลังตั้งเป้าไปที่สถานีบริการน้ำมันในพื้นที่ นักพัฒนาอิสระในอิสราเอล แอฟริกาใต้ และอาร์เจนตินาได้แสดงความสนใจในการสร้างเวอร์ชันแฮ็กร่วมกันของตนเอง บลูเน็ต. บางแห่งอาจมีราคาดีกว่าที่อื่นๆ เนื่องจากสถานที่ต่างๆ เช่น อิสราเอลใช้ป้ายทะเบียนเจ็ดหลักโดยไม่มีตัวอักษร

ประเด็นสำคัญ มีอะไรมากเกินไปที่ฉันได้เรียนรู้ในช่วงสองสามสัปดาห์สุดท้ายของการเล่นน้ำเพื่อให้พอดีกับโพสต์เดียว แม้ว่าจะมีผู้คัดค้านมากมาย แต่ฉันก็ซาบซึ้งมากที่ได้รับการสนับสนุนและความรู้ที่ส่งมาถึงฉัน มีความท้าทายมากมายที่คุณจะต้องเผชิญในการพยายามสร้างโซลูชัน ALPR ของคุณเอง แต่โชคดีที่พวกเขาแก้ปัญหาได้มากมาย .

ในการพิจารณาสิ่งต่าง ๆ ฉันเป็นนักออกแบบและนักพัฒนาส่วนหน้า ตอนนี้ฉันใช้เวลาประมาณสิบชั่วโมงกับฟุตเทจและโค้ด อีกแปดชั่วโมงในการผลิตวิดีโอ และอย่างน้อยอีกสิบชั่วโมงในการเขียนบทความเพียงอย่างเดียว ฉันได้บรรลุสิ่งที่ฉันมีโดยยืนอยู่บนไหล่ของยักษ์

ฉันติดตั้งห้องสมุดที่สร้างโดยคนฉลาดและได้ใช้ประโยชน์จากคำแนะนำจากคนที่ขายกล้องเหล่านี้เพื่อหาเลี้ยงชีพ คำถามมูลค่า 86 ล้านดอลลาร์ยังคงอยู่หากคุณสามารถสร้างโซลูชันแบบ half-arsed ที่ทำงานได้ดีโดยยืนอยู่บนไหล่ของยักษ์ใหญ่ คุณควรใช้เงินมากขึ้นเพื่อทำงานที่ดีจริง ๆ หรือไม่ โซลูชันของฉันไม่ได้อยู่ในระบบสุริยะเดียวกันกับ 99

เครื่องสแกนที่แม่นยำ 99% ที่ผู้แสดงความคิดเห็นทางอินเทอร์เน็ตบางคนคาดหวัง แต่แล้วอีกครั้ง BlueNet ต้องบรรลุเป้าหมายความแม่นยำเพียง 95% ดังนั้นหาก 1 ล้านดอลลาร์ทำให้คุณมีความแม่นยำ 80% และอาจ 10 ล้านดอลลาร์ทำให้คุณแม่นยำ 90% เมื่อไหร่ที่คุณหยุดการใช้จ่าย

นอกจากนี้ เมื่อพิจารณาว่าเทคโนโลยีได้พิสูจน์การใช้งานเชิงพาณิชย์ที่นี่ในโอเชียเนียแล้ว เงินของผู้เสียภาษีควรถูกเทลงในโซลูชันที่มีกรรมสิทธิ์และใกล้ชิดมากเพียงใดเมื่อสตาร์ทอัพในท้องถิ่นจะได้รับประโยชน์ ออสเตรเลียควรจะเป็นประเทศแห่งนวัตกรรมหลังจากทั้งหมด