OCR ป้ายทะเบียนรถยนต์ไทย

0.75 ICต่อคำขอ

v3.0.0-20260828 ใช้งานอยู่ ตั้งแต่ ก.ย. 2021 อัปเดตล่าสุด 28 ส.ค. 2026 11,000 ภาพ/ชั่วโมง ความแม่นยำยี่ห้อ 99.4% Whitepaper (PDF) POST /v3/store/smart-city/license-plate-ocr

Thai Vehicle License Plate OCR API (LPR) อ่านป้ายทะเบียนรถไทยจากภาพถ่าย และรายงานหมายเลขทะเบียน จังหวัดที่จดทะเบียน พร้อมยี่ห้อ รุ่น ประเภทตัวถัง สี และทิศทางของรถ เวอร์ชัน 3.0 เปลี่ยนเอนจินจำแนกยี่ห้อ/รุ่นรถเป็นเอนจินที่สร้างขึ้นสำหรับตลาดรถยนต์ไทยปัจจุบันโดยเฉพาะ: บนชุดทดสอบภาพจริง 853 ภาพของสภาพจราจรวันนี้ ระบุยี่ห้อได้ถูกต้อง 99.4% ของภาพ (เอนจินรุ่นก่อนหน้า: 38.5%) และยี่ห้อ+รุ่นถูกต้อง 99.18% ครอบคลุมรถ 73 รุ่นจาก 17 แบรนด์ รวมถึงรถปี 2020–2026 และแบรนด์รถ EV จากจีน เช่น BYD, MG, GWM และ Neta พร้อมเพิ่มการรายงานประเภทพลังงาน/รถ EV คะแนนความมั่นใจ และการรองรับป้ายทะเบียนประเทศเพื่อนบ้าน ดูรายละเอียดที่ ความแม่นยำ

การเปิดตัวเวอร์ชัน 3.0 แบบเป็นขั้นตอน — ระบบที่ใช้งานอยู่ไม่มีอะไรเปลี่ยนแปลงจนถึงวันที่ 11 กันยายน 2569

เวอร์ชัน 3.0 ยังไม่ถูกบังคับใช้กับผู้ใช้รายใด endpoint หลักด้านล่างยังคงให้บริการด้วยเอนจินเวอร์ชัน 2.0 ที่ผ่านการใช้งานจริงมาแล้วตามเดิม เวอร์ชัน 3.0 พร้อมให้ทดสอบได้ตั้งแต่วันนี้บน endpoint พรีวิวของตัวเอง (…/license-plate-ocr-v3) ในราคาเดียวกัน เพื่อให้คุณประเมินกับปริมาณงานจริงของคุณได้ก่อน ในวันที่ 11 กันยายน 2569 endpoint หลักจะเปลี่ยนไปใช้เอนจินเวอร์ชัน 3.0 โดยอัตโนมัติ รูปแบบ API เข้ากันได้กับระบบเดิมอย่างสมบูรณ์ — รูปแบบ request เดิม ทุกฟิลด์เดิมใน response คงชื่อและรูปแบบเดิมทุกประการ และข้อมูลใหม่ทั้งหมดมาในฟิลด์เสริม (additive) — คุณจึงไม่ต้องแก้ไขโค้ดฝั่งของคุณในทุกขั้นตอน และ endpoint พรีวิวจะยังคงใช้งานได้เป็น alias หลังการเปลี่ยน

ทดลองเดโม

อัปโหลดภาพถ่ายรถ หรือใช้ภาพตัวอย่างด้านล่าง ใช้แท็บ endpoint เพื่อเปรียบเทียบเอนจินปัจจุบัน (v2.0) กับเอนจินใหม่ (v3.0 พรีวิว) บนภาพเดียวกัน

ทดลองใช้ AI Demo

เข้าสู่ระบบหรือสร้างบัญชีฟรีเพื่อใช้งาน AI Demo และสำรวจ API ที่ทรงพลังของเรา

รับ 50 เครดิตฟรี (IC) เมื่อสมัครสมาชิก!

โปรโมชันหมดเขต 31 ธันวาคม 2568

สร้างบัญชีฟรีเข้าสู่ระบบ

Example Images (Click to try)

Try Demo

Try Demo

Try Demo

Try Demo

Try Demo

Try Demo

API Key

Log in to use your API keys or Create an account

Choose Endpoint URL

Endpoint URL

cURL Command

Upload Image

เริ่มต้นใช้งานอย่างรวดเร็ว

คุณต้องมีคีย์ API จากหน้า การจัดการคีย์ API จากนั้นส่งรูปภาพเป็น multipart/form-data:

curl -X POST https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@vehicle.jpg"

{
    "conf": 93.39,
    "country": "th",
    "lp_number": "ขก5337",
    "province": "th-83:Phuket (ภูเก็ต)",
    "vehicle_body_type": "pickup",
    "vehicle_brand": "isuzu",
    "vehicle_color": "red",
    "vehicle_model": "isuzu_d-max",
    "vehicle_orientation": "315",
    "vehicle_year": "2020-present",
    "is_vehicle": "yes",
    "is_missing_plate": "no",
    "message": "success",
    "status": 200
}

คำขอเดียวกันที่ส่งไปยัง endpoint พรีวิวของเวอร์ชัน 3.0 (…/license-plate-ocr-v3) จะส่งคืนทุกฟิลด์ข้างต้นโดยไม่เปลี่ยนแปลง พร้อมฟิลด์เสริมของ v3.0 — ประเภทพลังงาน คะแนนความมั่นใจของยี่ห้อ/รุ่น ตัวเลือก 5 อันดับแรก (top-5) การยืนยันแบรนด์จากโลโก้ และระดับการรองรับของประเทศ โครงสร้างการตอบกลับฉบับเต็มอยู่ใน ข้อมูลอ้างอิงทางเทคนิค

จุดเชื่อมต่อและราคา

Endpoint	เอนจิน	ราคา
POST /v3/store/smart-city/license-plate-ocr	v2.0 (เปลี่ยนเป็น v3.0 ในวันที่ 11 ก.ย. 2569)	0.75 IC ต่อคำขอ
POST /v3/store/smart-city/license-plate-ocr/base64	v2.0 (เปลี่ยนเป็น v3.0 ในวันที่ 11 ก.ย. 2569)	0.75 IC ต่อคำขอ
POST /v3/store/smart-city/license-plate-ocr-v3	v3.0 (พรีวิว ใช้งานได้แล้ววันนี้)	0.75 IC ต่อคำขอ
POST /v3/store/smart-city/license-plate-ocr-v3/base64	v3.0 (พรีวิว ใช้งานได้แล้ววันนี้)	0.75 IC ต่อคำขอ

เอนจินทั้งสองเวอร์ชันคิดราคาเท่ากัน เส้นทางรุ่นเก่า /iapp_license_plate_recognition_v1_file, /iapp_license_plate_recognition_v1_base64, /license-plate-recognition/file และ /license-plate-recognition/base64 ยังคงรองรับในราคาเดียวกันและทำงานตาม endpoint หลัก สำหรับการติดตั้งแบบ on-premise ดูที่ ความปลอดภัยของข้อมูล

ประสิทธิภาพ

วัดจากบริการ production เมื่อวันที่ 28 สิงหาคม 2569

ตัวชี้วัด	เวอร์ชัน 2.0 (endpoint หลัก)	เวอร์ชัน 3.0 (endpoint พรีวิว)
เวลาประมวลผลมัธยฐาน	0.2 วินาทีต่อภาพ	0.5 วินาทีต่อภาพ
ปริมาณงานต่อเนื่อง	—	3.1 ภาพต่อวินาที (11,000 ภาพต่อชั่วโมง) ที่การส่งคำขอพร้อมกัน (concurrency) 4
รูปแบบไฟล์นำเข้าที่รองรับ	JPEG, JPG, PNG (สูงสุด 2 MB)	JPEG, JPG, PNG (สูงสุด 2 MB)

ความแม่นยำ

ชุดทดสอบเวอร์ชัน 3.0: ภาพทดสอบจริงที่กันไว้ต่างหาก (held-out) 853 ภาพ ครอบคลุมรถทั้ง 73 รุ่นในสภาพจราจรไทยปัจจุบัน — ไม่เคยถูกใช้ในการเทรน และใช้ภาพชุดเดียวกันทดสอบเอนจินทั้งสองรุ่น ระเบียบวิธีฉบับเต็มและผลรายรุ่น: whitepaper ผลการทดสอบ (PDF)

ตัวชี้วัด	เอนจินรุ่นก่อนหน้า (v2.0, แคตตาล็อกปี 2023)	เวอร์ชัน 3.0
ยี่ห้อรถ (make) ถูกต้อง	38.5%	99.4%
ยี่ห้อ — เฉพาะรุ่นที่อยู่ในแคตตาล็อกของ v2.0	41.8%	99.3%
ยี่ห้อ + รุ่นถูกต้อง (top-1)	10.4%*	99.18%
ยี่ห้อ + รุ่นอยู่ใน 5 อันดับแรก (top-5)	—	100.0%
ความครอบคลุม (ตอบผลลัพธ์ได้)	~50%	100%

* การอ่านตัวเลขของเวอร์ชัน 2.0 อย่างเป็นธรรม: ชุดทดสอบนี้สะท้อนสภาพจราจรปัจจุบัน — ภาพ 310 จาก 853 ภาพ (27 จาก 73 รุ่น) เป็นรถที่เปิดตัวหลังจากสร้างแคตตาล็อกของเวอร์ชัน 2.0 — รถปี 2020–2026 และแบรนด์รถ EV จากจีน — ซึ่งเอนจินรุ่นนั้นไม่สามารถระบุได้โดยธรรมชาติของการออกแบบ เวอร์ชัน 2.0 ถูกสร้างขึ้นสำหรับตลาดในยุคของมัน แต่ท้องถนนเปลี่ยนไปแล้ว ความก้าวหน้าของเวอร์ชัน 3.0 มาจากทั้ง classifier ที่แข็งแกร่งขึ้นและแคตตาล็อกรุ่นรถที่สร้างใหม่สำหรับตลาดปัจจุบัน: แม้จำกัดเฉพาะรุ่นที่มีอยู่ในแคตตาล็อกรุ่นก่อนหน้า ความแม่นยำระดับยี่ห้อก็ยังเพิ่มขึ้นจาก 41.8% เป็น 99.3%

การอ่านหมายเลขป้ายทะเบียน จังหวัด สี และทิศทางรถ ยังคงเหมือนเวอร์ชัน 2.0 ทุกประการ เอนจินยี่ห้อ/รุ่นของเวอร์ชัน 3.0 ให้ผลคงที่ (deterministic) — รถคันเดิมได้ยี่ห้อและรุ่นเดิมทุกครั้งที่สแกน รวมถึงภาพซูมใกล้กระจังหน้าจากกล้องทางเข้าลานจอดรถและหมู่บ้าน

ความปลอดภัยของข้อมูลและการปฏิบัติตามข้อกำหนด

API บนคลาวด์สาธารณะเป็นไปตามข้อกำหนด GDPR และ PDPA: รูปภาพที่อัปโหลดจะถูกประมวลผลในหน่วยความจำและไม่ถูกเก็บรักษาไว้หลังจากส่งการตอบกลับแล้ว บริการทั้งหมดทำงานบนโครงสร้างพื้นฐานที่รองรับการติดตั้งแบบ on-premise — ไม่มีการส่งรูปภาพไปยังบริการภายนอกใด ๆ — และมีบริการติดตั้งแบบ on-premise ที่ทำงานได้ในตัวเองอย่างสมบูรณ์ โดยไม่มีภาพถ่ายใดออกนอกโครงสร้างพื้นฐานของคุณ ติดต่อเรา สำหรับการขอใบอนุญาตใช้งานแบบ on-premise

ข้อมูลอ้างอิงทางเทคนิค

Endpoint

Method	URL	เนื้อหาคำขอ (Body)
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr	multipart/form-data ฟิลด์ file
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr/base64	JSON, {"image": "<base64>"}
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr-v3	multipart/form-data ฟิลด์ file (v3.0 พรีวิว)
POST	https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr-v3/base64	JSON, {"image": "<base64>"} (v3.0 พรีวิว)

ทุก endpoint ต้องใช้ส่วนหัว apikey

ฟิลด์การตอบกลับ

ฟิลด์ทั้งหมดจนถึง vehicle_year ถูกส่งคืนโดยเอนจินทั้งสองเวอร์ชันด้วยชื่อและรูปแบบที่เหมือนกันทุกประการ ฟิลด์ถัดจากนั้นเป็นฟิลด์ใหม่ในเวอร์ชัน 3.0 (ส่วนเสริม) — ปรากฏบน endpoint พรีวิวแล้วตั้งแต่วันนี้ และจะปรากฏบน endpoint หลักตั้งแต่วันที่ 11 กันยายน 2569 ระบบที่ไม่ได้ใช้ฟิลด์เหล่านี้สามารถละเว้นได้

ฟิลด์	คำอธิบาย
conf	คะแนนความมั่นใจของการรู้จำป้ายทะเบียน เป็นเปอร์เซ็นต์
country	ประเทศของป้ายทะเบียน (th, my, mm, la)
infer_time(s)	เวลาประมวลผลเป็นวินาที
is_missing_plate	รถไม่มีป้ายทะเบียนที่มองเห็นได้หรือไม่: "yes" หรือ "no"
is_vehicle	มีรถอยู่ในภาพหรือไม่: "yes" หรือ "no"
lp_number	หมายเลขป้ายทะเบียน
message	"success" หรือข้อความแสดงข้อผิดพลาด
province	จังหวัดที่จดทะเบียน เช่น "th-10:Bangkok (กรุงเทพมหานคร)"
status	รหัสสถานะ HTTP ของผลลัพธ์
vehicle_body_type	ประเภทตัวถัง เช่น sedan, pickup, suv
vehicle_brand	ยี่ห้อรถเป็น slug ตัวพิมพ์เล็ก เช่น isuzu
vehicle_color	สีของรถ
vehicle_model	รุ่นรถเป็น slug ตัวพิมพ์เล็ก เช่น isuzu_d-max
vehicle_orientation	ทิศทางของรถในภาพ เป็นองศา
vehicle_year	ช่วงปีของรุ่นรถที่รู้จำได้
vehicle_make_model_slug	(ใหม่ใน v3.0) slug ยี่ห้อ/รุ่นแบบรวมจาก classifier ของ v3.0
make_model_conf	(ใหม่ใน v3.0) คะแนนความมั่นใจ (0–1) ของการรู้จำยี่ห้อ/รุ่น
vehicle_make_model_topk	(ใหม่ใน v3.0) ตัวเลือกยี่ห้อ/รุ่น 5 อันดับแรกพร้อมค่าความน่าจะเป็น
vehicle_logo_brand	(ใหม่ใน v3.0) แบรนด์ที่ระบุแยกต่างหากจากโลโก้/กระจังหน้าของรถ
logo_brand_conf	(ใหม่ใน v3.0) คะแนนความมั่นใจ (0–1) ของการระบุแบรนด์จากโลโก้
vehicle_fuel_type	(ใหม่ใน v3.0) ระบบขับเคลื่อนที่อนุมานจากยี่ห้อ/รุ่นที่ระบุได้: EV, Hybrid, Plug-in Hybrid, Petrol, Diesel หรือ multiple เมื่อรุ่นนั้นจำหน่ายด้วยระบบขับเคลื่อนหลายแบบ ไม่มีการเดาจากพิกเซลของภาพ
vehicle_fuel_options	(ใหม่ใน v3.0) ระบบขับเคลื่อนทั้งหมดที่รุ่นนี้จำหน่ายในประเทศไทย
country_support_level	(ใหม่ใน v3.0) ระดับการรองรับของประเทศเจ้าของป้ายทะเบียน: production, beta หรือ detection_only

ตัวอย่างการตอบกลับ (เวอร์ชัน 3.0)

{
    "conf": 93.39286804,
    "country": "th",
    "infer_time(s)": 0.502,
    "is_missing_plate": "no",
    "is_vehicle": "yes",
    "lp_number": "ขก5337",
    "message": "success",
    "province": "th-83:Phuket (ภูเก็ต)",
    "status": 200,
    "vehicle_body_type": "pickup",
    "vehicle_brand": "isuzu",
    "vehicle_color": "red",
    "vehicle_model": "isuzu_d-max",
    "vehicle_orientation": "315",
    "vehicle_year": "2020-present",
    "vehicle_make_model_slug": "isuzu_d_max",
    "make_model_conf": 0.8288,
    "vehicle_make_model_topk": [
        { "slug": "isuzu_d_max", "prob": 0.8288 },
        { "slug": "isuzu_mu_x", "prob": 0.0337 }
    ],
    "vehicle_logo_brand": "Isuzu",
    "logo_brand_conf": 0.8913,
    "vehicle_fuel_type": "Diesel",
    "vehicle_fuel_options": ["Diesel"],
    "country_support_level": "production"
}

ตัวอย่างโค้ด

cURL

curl -X POST https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@/path/to/vehicle.jpg"

Python

import requests

url = "https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr"
files = {"file": open("/path/to/vehicle.jpg", "rb")}
headers = {"apikey": "YOUR_API_KEY"}

response = requests.post(url, headers=headers, files=files)
print(response.json())

JavaScript

const axios = require("axios");
const FormData = require("form-data");
const fs = require("fs");

const data = new FormData();
data.append("file", fs.createReadStream("/path/to/vehicle.jpg"));

axios.post("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr", data, {
    headers: { apikey: "YOUR_API_KEY", ...data.getHeaders() },
})
    .then((response) => console.log(response.data))
    .catch((error) => console.log(error));

PHP

<?php
$curl = curl_init();

curl_setopt_array($curl, array(
    CURLOPT_URL => 'https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr',
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_POSTFIELDS => array(
        'file' => new CURLFILE('/path/to/vehicle.jpg')
    ),
    CURLOPT_HTTPHEADER => array(
        'apikey: YOUR_API_KEY'
    ),
));

$response = curl_exec($curl);
curl_close($curl);
echo $response;

Swift

import Foundation

let url = URL(string: "https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")!
var request = URLRequest(url: url)
request.httpMethod = "POST"
request.addValue("YOUR_API_KEY", forHTTPHeaderField: "apikey")

let boundary = "Boundary-\(UUID().uuidString)"
request.setValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")

var body = Data()
body.append("--\(boundary)\r\n".data(using: .utf8)!)
body.append("Content-Disposition: form-data; name=\"file\"; filename=\"vehicle.jpg\"\r\n".data(using: .utf8)!)
body.append("Content-Type: image/jpeg\r\n\r\n".data(using: .utf8)!)
if let fileData = try? Data(contentsOf: URL(fileURLWithPath: "/path/to/vehicle.jpg")) {
    body.append(fileData)
}
body.append("\r\n--\(boundary)--\r\n".data(using: .utf8)!)
request.httpBody = body

URLSession.shared.dataTask(with: request) { data, response, error in
    if let data = data {
        print(String(data: data, encoding: .utf8)!)
    }
}.resume()

Kotlin

import okhttp3.*
import okhttp3.MediaType.Companion.toMediaTypeOrNull
import okhttp3.RequestBody.Companion.asRequestBody
import java.io.File

val client = OkHttpClient()
val file = File("/path/to/vehicle.jpg")
val requestBody = MultipartBody.Builder()
    .setType(MultipartBody.FORM)
    .addFormDataPart("file", file.name, file.asRequestBody("image/jpeg".toMediaTypeOrNull()))
    .build()

val request = Request.Builder()
    .url("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")
    .addHeader("apikey", "YOUR_API_KEY")
    .post(requestBody)
    .build()

client.newCall(request).execute().use { response ->
    println(response.body?.string())
}

Java

import okhttp3.*;
import java.io.File;

OkHttpClient client = new OkHttpClient();
File file = new File("/path/to/vehicle.jpg");

RequestBody requestBody = new MultipartBody.Builder()
    .setType(MultipartBody.FORM)
    .addFormDataPart("file", file.getName(),
        RequestBody.create(MediaType.parse("image/jpeg"), file))
    .build();

Request request = new Request.Builder()
    .url("https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr")
    .addHeader("apikey", "YOUR_API_KEY")
    .post(requestBody)
    .build();

try (Response response = client.newCall(request).execute()) {
    System.out.println(response.body().string());
}

Dart

import 'package:http/http.dart' as http;

var request = http.MultipartRequest(
    'POST',
    Uri.parse('https://api.iapp.co.th/v3/store/smart-city/license-plate-ocr')
);
request.files.add(await http.MultipartFile.fromPath('file', '/path/to/vehicle.jpg'));
request.headers.addAll({'apikey': 'YOUR_API_KEY'});

var response = await request.send();
print(await response.stream.bytesToString());

หากต้องการเรียกเวอร์ชัน 3.0 พรีวิว ให้แทนที่ /license-plate-ocr ด้วย /license-plate-ocr-v3 ในตัวอย่างใดก็ได้ข้างต้น — รูปแบบคำขอเหมือนกันทุกประการ

ข้อจำกัด

• รูปแบบไฟล์ที่รองรับ: JPEG, JPG, PNG ขนาดไฟล์สูงสุด: 2 MB
• ประเภทพลังงานอนุมานจากยี่ห้อและรุ่นที่ระบุได้ ผ่านตารางระบบขับเคลื่อนที่ดูแลอย่างต่อเนื่อง ไม่ได้อนุมานจากตัวภาพ รุ่นที่จำหน่ายด้วยระบบขับเคลื่อนหลายแบบจะส่งคืน multiple พร้อมรายการตัวเลือกทั้งหมด เนื่องจากระบบขับเคลื่อนไม่สามารถตัดสินได้จากภาพถ่ายเพียงภาพเดียว
• ป้ายทะเบียนประเทศเพื่อนบ้าน: มาเลเซียอยู่ในระดับ production เมียนมาอยู่ในระดับ beta ลาวเป็น detection-only (country_support_level)

บันทึกการเปลี่ยนแปลง

เวอร์ชัน 3.0.0 - 2026-08-28

เอนจินจำแนกยี่ห้อ/รุ่นรถตัวใหม่ — ไม่ต้องแก้ไข API ใด ๆ

• ความแม่นยำการจำแนกรถดีขึ้นอย่างก้าวกระโดด — ระดับยี่ห้อ 99.4% (จากเดิม 38.5%) และยี่ห้อ+รุ่น 99.18% (จากเดิม 10.4%) บนชุดทดสอบภาพจริง 853 ภาพของสภาพจราจรไทยปัจจุบัน ช่องว่างส่วนใหญ่มาจากชุดทดสอบที่มีรถปี 2020–2026 และแบรนด์ EV ซึ่งเปิดตัวหลังจากสร้างแคตตาล็อกของเอนจินรุ่นก่อนหน้า (ดู ความแม่นยำ)
• รองรับรถรุ่นใหม่ล่าสุด — แคตตาล็อกรุ่นรถสร้างใหม่สำหรับตลาดรถยนต์ไทยปัจจุบัน: 73 รุ่นจาก 17 แบรนด์ รวมถึงรถปี 2020–2026 และแบรนด์รถ EV จากจีน (BYD, MG, GWM, Neta และอื่น ๆ)
• ใหม่: ตรวจจับประเภทพลังงาน / รถ EV — vehicle_fuel_type และ vehicle_fuel_options อนุมานจากยี่ห้อ/รุ่นที่ระบุได้
• ใหม่: คะแนนความมั่นใจ — make_model_conf, vehicle_make_model_topk และการยืนยันแบรนด์จากโลโก้แยกอีกชั้น (vehicle_logo_brand, logo_brand_conf)
• ใหม่: ป้ายทะเบียนประเทศเพื่อนบ้าน — มาเลเซีย (production), เมียนมา (beta), ลาว (detection-only) รายงานผ่านฟิลด์ country_support_level
• ทนทานบนกล้องหน้าด่าน — ยี่ห้อ/รุ่นยังคงถูกต้องและให้ผลคงที่ (deterministic) บนภาพซูมใกล้กระจังหน้า ซึ่งเป็นมุมภาพทั่วไปของกล้องลานจอดรถและทางเข้าหมู่บ้าน
• เข้ากันได้กับระบบเดิม 100% — endpoint เดิม รูปแบบ request เดิม ทุกฟิลด์เดิมใน response คงชื่อและรูปแบบเดิมทุกประการ ฟิลด์ใหม่ทั้งหมดเป็นส่วนเสริม
• เปิดตัวแบบเป็นขั้นตอน — v3.0 ให้บริการบน endpoint พรีวิว (…/license-plate-ocr-v3) ตั้งแต่วันที่ 28 สิงหาคม 2569; endpoint หลักจะเปลี่ยนจาก v2.0 เป็น v3.0 ในวันที่ 11 กันยายน 2569 ทั้งสองเวอร์ชันคิดราคาเท่ากันที่ 0.75 IC ต่อคำขอ

เวอร์ชัน 2.0 - 2023-02-16

เพิ่มประเภทตัวถังรถ ช่วงปีของรถ ทิศทางของรถ is_vehicle และ is_missing_plate

เวอร์ชัน 1.2 - 2023-01-16

ปรับปรุงความแม่นยำโดยรวมของการอ่านหมายเลขป้ายทะเบียน จังหวัด สีรถ ยี่ห้อ และรุ่น (ความแม่นยำแบบตรงกันทุกประการโดยรวม 92.28% บนชุดประเมิน 100 ภาพ)

เวอร์ชัน 1.1 - 2021-12-23

ปรับปรุงความแม่นยำของการอ่านหมายเลขป้ายทะเบียน จังหวัด ประเภทรถ สี ยี่ห้อ และรุ่น (ความแม่นยำแบบตรงกันทุกประการโดยรวม 86.49% บนชุดประเมิน 118 ภาพ)

เวอร์ชัน 1.0 - 2021-09-12

รุ่นแรก: การอ่านป้ายทะเบียนรถไทยพร้อมประเภทรถ ยี่ห้อ สี และจังหวัดที่จดทะเบียน