🚗 ระบบ OCR สำหรับอ่านป้ายทะเบียนรถยนต์ (LPR)

🚗 Thai Vehicle License Plate OCR

ยินดีต้อนรับสู่ Thai Vehicle License Plate OCR API เวอร์ชัน 2.0 ผลิตภัณฑ์ AI ที่พัฒนาโดย บริษัท ไอแอพพ์เทคโนโลยี จำกัด API ของเราออกแบบมาเพื่อดึงข้อมูลหมายเลขทะเบียนรถและข้อมูลรถยนต์จากรูปภาพด้วยความแม่นยำและความเร็วสูง API รองรับรูปแบบไฟล์ JPEG, JPG, PNG และสามารถประมวลผลรูปภาพรถยนต์ได้ภายใน 1-2 วินาที

เริ่มต้นใช้งาน

1. ข้อกำหนดเบื้องต้น

   • API key จาก ไอแอพพ์เทคโนโลยี
   • รูปภาพรถยนต์ที่มีป้ายทะเบียน
   • รูปแบบไฟล์ที่รองรับ: JPEG, JPG, PNG
   • ขนาดไฟล์สูงสุด: 2MB

2. เริ่มต้นอย่างรวดเร็ว

   • การประมวลผลที่รวดเร็ว (1-2 วินาทีต่อภาพ)
   • การดึงข้อความที่มีความแม่นยำสูง (ความแม่นยำโดยรวม 92.28%)
   • รองรับหลายยี่ห้อและประเภทรถยนต์

3. คุณสมบัติหลัก

   • การดึงข้อมูลรายละเอียดต่างๆ รวมถึง:
     • หมายเลขทะเบียนรถ
     • ยี่ห้อรถ
     • ประเภทรถ
     • สีรถ
     • จังหวัดที่จดทะเบียน
   • การตรวจจับรถยนต์
   • การตรวจจับป้ายทะเบียนที่หายไป
   • รูปแบบการตอบสนอง JSON ที่ยืดหยุ่น

4. ความปลอดภัยและการปฏิบัติตามกฎระเบียบ

   • ปฏิบัติตาม GDPR และ PDPA
   • ไม่มีการเก็บรักษาข้อมูลหลังจากการประมวลผล

วิธีรับ API Key?

กรุณาเยี่ยมชม API Portal เพื่อดู API key ที่มีอยู่ของคุณหรือขอ API key ใหม่

ตัวอย่าง

1. ตัวอย่างการใช้งานจริงกับรถยนต์

ตัวอย่างที่ 1

ตัวอย่างที่ 2

ตัวอย่างที่ 3

2. ตัวอย่างไฟล์รถยนต์

คำขอ

curl --location 'https://api.iapp.co.th/license-plate-recognition/file' \
--header 'apikey: {YOUR API KEY}' \
--form 'file=@"{YOUR UPLOADED FILE}"'

การตอบสนอง

{
    "conf": 93.30192566,
    "country": "th",
    "infer_time(s)": 0.18,
    "is_missing_plate": "no",
    "is_vehicle": "yes",
    "lp_number": "กร5539",
    "message": "success",
    "province": "th-14:Phra Nakhon Si Ayutthaya (พระนครศรีอยุธยา)",
    "status": 200,
    "vehicle_body_type": "tractor-trailer",
    "vehicle_brand": "honda",
    "vehicle_color": "white",
    "vehicle_model": "honda_jazz",
    "vehicle_orientation": "135",
    "vehicle_year": "2010-2014"
}

คุณสมบัติและความสามารถ

คุณสมบัติหลัก

• การจดจำป้ายทะเบียน: ดึงและอ่านหมายเลขทะเบียนรถไทยจากรูปภาพได้อย่างแม่นยำ
• ข้อมูลรถยนต์ที่ครอบคลุม: ระบุและให้รายละเอียดต่างๆ เช่น:
  • หมายเลขทะเบียนรถ
  • จังหวัดที่จดทะเบียน
  • ยี่ห้อรถ
  • รุ่นรถ
  • ปีที่ผลิต
  • ทิศทางของรถ (ด้านหน้า ด้านข้าง ด้านหลัง)
  • ประเภทรถ (เช่น รถเก๋ง รถ SUV รถบรรทุก)
• ความแม่นยำสูง: ใช้ขั้นตอนวิธีการมองเห็นด้วยคอมพิวเตอร์ขั้นสูงเพื่อให้การจดจำที่แม่นยำแม้ในสภาพแสงและสภาพแวดล้อมที่ท้าทาย

ความสามารถที่รองรับ

• การประมวลผลแบบเรียลไทม์: เหมาะสำหรับแอปพลิเคชันที่ต้องใช้เวลา เช่น การเก็บค่าผ่านทางและการติดตามรถยนต์
• การประมวลผลแบบกลุ่ม: จัดการรูปภาพหลายภาพได้อย่างมีประสิทธิภาพสำหรับแอปพลิเคชันขนาดใหญ่
• ความสามารถในการปรับตัวต่อสภาพแวดล้อม: ทำงานได้อย่างน่าเชื่อถือในสถานการณ์ต่างๆ รวมถึงสภาพแสงน้อยและสภาพแวดล้อมที่มีแสงจ้า

กรณีการใช้งาน

• การเก็บค่าผ่านทางอัตโนมัติ: ทำให้กระบวนการชำระค่าผ่านทางเป็นไปอย่างราบรื่นโดยการจดจำรถยนต์และป้ายทะเบียนแบบเรียลไทม์
• ระบบการจัดการที่จอดรถ: ทำให้การบันทึกการเข้าและออกของรถยนต์ในสถานที่จอดรถเป็นไปโดยอัตโนมัติ
• การติดตามรถยนต์: ปรับปรุงโลจิสติกส์และการจัดการฝูงบินโดยการรวมการจดจำป้ายทะเบียนเพื่อระบุตัวรถ
• ความปลอดภัยและการเฝ้าระวัง: ปรับปรุงระบบรักษาความปลอดภัยด้วยการติดตามและระบุตัวรถ

ความสามารถเพิ่มเติม

• การผสานรวมที่ง่าย: มี API แบบ RESTful สำหรับการผสานรวมเข้ากับแอปพลิเคชันที่มีอยู่ได้อย่างราบรื่น
• รวดเร็วและเชื่อถือได้: ให้เวลาตอบสนองที่รวดเร็วและประสิทธิภาพที่สม่ำเสมอสำหรับการใช้งานจริง
• สามารถขยายและปรับขนาดได้: รองรับคุณสมบัติและการขยายเพิ่มเติมตามความต้องการของผู้ใช้ที่พัฒนาขึ้น

ข้อมูลอ้างอิง API

จุดสิ้นสุด

POST https://api.iapp.co.th/license-plate-recognition/file

ส่วนหัว

ชื่อ	ประเภท	คำอธิบาย
apikey	String	API Key

พารามิเตอร์

ชื่อ	ประเภท	ใน	จำเป็น	คำอธิบาย
vehicle_image	object	body	Yes	รูปภาพที่มีรถยนต์

คำอธิบายการตอบสนอง

พารามิเตอร์	คำอธิบาย
conf	คะแนนความมั่นใจของการจดจำป้ายทะเบียนเป็นเปอร์เซ็นต์
infer_time(s)	เวลาที่ใช้ในการอนุมานเป็นวินาที
is_missing_plate	ระบุว่ามีป้ายทะเบียนหายไปในรูปภาพหรือไม่ ค่าที่เป็นไปได้: "yes" หรือ "no"
is_vehicle	ระบุว่ามีรถยนต์อยู่ในรูปภาพหรือไม่ ค่าที่เป็นไปได้: "yes" หรือ "no"
lp_number	หมายเลขทะเบียนรถที่จดจำได้จากรูปภาพ
message	ข้อความการตอบสนองของ API ค่าที่เป็นไปได้: "success" หรือ "error"
province	จังหวัดที่รถยนต์จดทะเบียนตามที่ระบุโดยป้ายทะเบียน
status	รหัสสถานะ HTTP ของการตอบสนอง API
vehicle_body_type	ประเภทตัวถังของรถที่จดจำได้
vehicle_brand	ยี่ห้อของรถที่จดจำได้
vehicle_color	สีของรถที่จดจำได้
vehicle_model	รุ่นของรถที่จดจำได้
vehicle_orientation	ทิศทางของรถที่จดจำได้ในรูปภาพ
vehicle_year	ช่วงปีของรุ่นรถที่จดจำได้

ราคา

ชื่อบริการ AI API	จุดสิ้นสุด	IC ต่อคำขอ	On-Premise
Thai Vehicle License Plate Image Recognition (LPR)	iapp_license_plate_recognition_v1_base64	0.75 IC/Request	ติดต่อ
	iapp_license_plate_recognition_v1_file	0.75 IC/Request

ตัวอย่างโค้ด

Python

import requests

url = "https://api.iapp.co.th/license-plate-recognition/file"

payload = {}
files=[
  ('file',('{YOUR UPLOADED FILE NAME}',open('{YOUR UPLOADED FILE PATH}','rb'),'image/png'))
]
headers = {
  'apikey': {YOUR API KEY}
}

response = requests.request("POST", url, headers=headers, data=payload, files=files)

print(response.text)

JavaScript

const axios = require('axios');
const FormData = require('form-data');
const fs = require('fs');
let data = new FormData();
data.append('file', fs.createReadStream('{YOUR UPLOADED FILE PATH}'));

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://api.iapp.co.th/license-plate-recognition/file',
  headers: {
    'apikey': '{YOUR API KEY}',
    ...data.getHeaders()
  },
  data : data
};

axios.request(config)
.then((response) => {
  console.log(JSON.stringify(response.data));
})
.catch((error) => {
  console.log(error);
});

PHP

<?php

$curl = curl_init();

curl_setopt_array($curl, array(
  CURLOPT_URL => 'https://api.iapp.co.th/license-plate-recognition/file',
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => '',
  CURLOPT_MAXREDIRS => 10,
  CURLOPT_TIMEOUT => 0,
  CURLOPT_FOLLOWLOCATION => true,
  CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
  CURLOPT_CUSTOMREQUEST => 'POST',
  CURLOPT_POSTFIELDS => array('file'=> new CURLFILE('{YOUR UPLOADED FILE PATH}')),
  CURLOPT_HTTPHEADER => array(
         'apikey: {YOUR API KEY}'
  ),
));

$response = curl_exec($curl);

curl_close($curl);
echo $response;

Swift

let parameters = [
  [
    "key": "file",
    "src": "{YOUR UPLOADED FILE PATH}",
    "type": "file"
  ]] as [[String: Any]]

let boundary = "Boundary-\(UUID().uuidString)"
var body = Data()
var error: Error? = nil
for param in parameters {
  if param["disabled"] != nil { continue }
  let paramName = param["key"]!
  body += Data("--\(boundary)\r\n".utf8)
  body += Data("Content-Disposition:form-data; name=\"\(paramName)\"".utf8)
  if param["contentType"] != nil {
    body += Data("\r\nContent-Type: \(param["contentType"] as! String)".utf8)
  }
  let paramType = param["type"] as! String
  if paramType == "text" {
    let paramValue = param["value"] as! String
    body += Data("\r\n\r\n\(paramValue)\r\n".utf8)
  } else {
    let paramSrc = param["src"] as! String
    let fileURL = URL(fileURLWithPath: paramSrc)
    if let fileContent = try? Data(contentsOf: fileURL) {
      body += Data("; filename=\"\(paramSrc)\"\r\n".utf8)
      body += Data("Content-Type: \"content-type header\"\r\n".utf8)
      body += Data("\r\n".utf8)
      body += fileContent
      body += Data("\r\n".utf8)
    }
  }
}
body += Data("--\(boundary)--\r\n".utf8);
let postData = body


var request = URLRequest(url: URL(string: "https://api.iapp.co.th/license-plate-recognition/file")!,timeoutInterval: Double.infinity)
request.addValue("{YOUR API KEY}", forHTTPHeaderField: "apikey")
request.addValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")

request.httpMethod = "POST"
request.httpBody = postData

let task = URLSession.shared.dataTask(with: request) { data, response, error in
  guard let data = data else {
    print(String(describing: error))
    return
  }
  print(String(data: data, encoding: .utf8)!)
}

task.resume()

Kotlin

val client = OkHttpClient()
val mediaType = "text/plain".toMediaType()
val body = MultipartBody.Builder().setType(MultipartBody.FORM)
  .addFormDataPart("file","{YOUR UPLOADED FILE NAME}",
    File("{YOUR UPLOADED FILE PATH}").asRequestBody("application/octet-stream".toMediaType()))
  .build()
val request = Request.Builder()
  .url("https://api.iapp.co.th/license-plate-recognition/file")
  .post(body)
  .addHeader("apikey", "{YOUR API KEY}")
  .build()
val response = client.newCall(request).execute()

Java

OkHttpClient client = new OkHttpClient().newBuilder()
  .build();
MediaType mediaType = MediaType.parse("text/plain");
RequestBody body = new MultipartBody.Builder().setType(MultipartBody.FORM)
  .addFormDataPart("file","{YOUR UPLOADED FILE NAME}",
    RequestBody.create(MediaType.parse("application/octet-stream"),
    new File("{YOUR UPLOADED FILE PATH}")))
  .build();
Request request = new Request.Builder()
  .url("https://api.iapp.co.th/license-plate-recognition/file")
  .method("POST", body)
  .addHeader("apikey", "{YOUR API KEY}")
  .build();
Response response = client.newCall(request).execute();

Dart

var headers = {
  'apikey': '{YOUR API KEY}'
};
var request = http.MultipartRequest('POST', Uri.parse('https://api.iapp.co.th/license-plate-recognition/file'));
request.files.add(await http.MultipartFile.fromPath('file', '{YOUR UPLOADED FILE PATH}'));
request.headers.addAll(headers);

http.StreamedResponse response = await request.send();

if (response.statusCode == 200) {
  print(await response.stream.bytesToString());
}
else {
  print(response.reasonPhrase);
}

ความแม่นยำและประสิทธิภาพ

เวอร์ชัน 1.2 (2022-01-16)

การประเมินแบบจำลองตามข้อมูลภาพรถยนต์ของ iApp (100 ภาพ)

ความแม่นยำที่ตรงกัน

แบบจำลอง	ความแม่นยำ (%)
แบบจำลองการตรวจจับรถยนต์	99.00%
แบบจำลองการตรวจจับป้ายทะเบียนรถยนต์	99.00%
แบบจำลองการจดจำตัวอักษรและตัวเลขบนป้ายทะเบียน	97.00%
แบบจำลองจังหวัดบนป้ายทะเบียน	99.00%
ยี่ห้อรถ	95.00%
สีรถ	85.00%
รุ่นรถ	72.00%
ความแม่นยำโดยรวม	92.28%

เวอร์ชัน 1.1 (2021-12-23)

การประเมินแบบจำลองตามข้อมูลภาพรถยนต์ของ iApp (118 ภาพ)

ความแม่นยำที่ตรงกัน

แบบจำลอง	ความแม่นยำ (%)
แบบจำลองการตรวจจับรถยนต์	96.40%
แบบจำลองการตรวจจับป้ายทะเบียนรถยนต์	95.65%
แบบจำลองการจดจำตัวอักษรและตัวเลขบนป้ายทะเบียน	94.82%
แบบจำลองจังหวัดบนป้ายทะเบียน	90.67%
ยี่ห้อรถ	81.30%
สีรถ	80.50%
รุ่นรถ	66.10%
ความแม่นยำโดยรวม	86.49%

ประวัติ/บันทึกการเปลี่ยนแปลง

เวอร์ชัน 1.0 - 2021-09-12

เพิ่ม

• เวอร์ชันเริ่มต้นแรกที่แนะนำระบบจดจำป้ายทะเบียนของ iApp

• เวอร์ชันนี้ยังแสดงให้เห็นถึงการจดจำคุณสมบัติของรถยนต์:

  • ประเภทรถ
  • ยี่ห้อรถ
  • สีรถ
  • จังหวัดที่จดทะเบียนป้ายทะเบียน

  ความแม่นยำของพารามิเตอร์เหล่านี้จะได้รับการปรับปรุงและเผยแพร่อย่างเป็นทางการในเวอร์ชันต่อไป

เวอร์ชัน 1.1 - 2021-12-23

ปรับปรุง

ความแม่นยำของพารามิเตอร์ต่อไปนี้ของระบบ API ได้รับการปรับปรุง

• หมายเลขทะเบียนรถ
• จังหวัด
• ประเภทรถ
• สีรถ
• ยี่ห้อรถ
• รุ่นรถ

เวอร์ชัน 1.2 - 2023-01-16

ปรับปรุงความแม่นยำโดยรวม

• หมายเลขทะเบียนรถ
• จังหวัด
• สีรถ
• ยี่ห้อรถ
• รุ่นรถ

เวอร์ชัน 2.0 - 2023-02-16

เพิ่มคุณสมบัติใหม่

ได้เพิ่มคุณสมบัติใหม่ดังต่อไปนี้:

• ประเภทตัวถังรถ
• ช่วงปีของรถ
• ทิศทางของรถในภาพ
• ธงรถยนต์
• ธงป้ายทะเบียนหาย