عمده مزیت‌های رقابتی سامانه شناسایی رنگ و مدل خودروی شرکت پویافن‌آوران کوثر

مقاومت نسبت به زاویه و نور

به طور کلی و با فرض اینکه دیتای دریافت‌شده فقط از طریق دوربین‌های نظارتی اجرا شود، سامانه زاویه خودرو را از بالا تشخیص می‌دهد، اما در صورت دریافت دیتا در دوربین‌های ثبت تخلف، تشخیص زوایای وسیله نقلیه از قسمت پایین‌تر خودرو انجام می‌شود. حال، شرکت‌ پویافن‌آوران‌کوثر با استفاده هوشمندانه از تکنولوژی یادگیری عمیق و هوش مصنوعی (Deep Learningو AI)، توانسته تا با دقتی بالا، مدل و نوع وسیله نقلیه‌ را از زوایای مختلف (چه از سمت بالا و چه در سمت پایین)، همراه با شرایطی که میزان نور متفاوت است (مواقعی از ساعات مختلف شبانه‌روز، که شدت نور کم یا زیاد است)، تشخیص دهد. این ویژگی که تشخیص مدل خودرو با زاویه‌های شدید و در شرایط نوری مختلف را شامل می‌شود و در اصطلاح سامانه را مقاوم به زاویه و نور محسوب می‌کند، از اساسی‌ترین‌ مزیت‌های رقابتی سامانه حاضر است.

مدل قدرتمند در شناسایی خودرو

تشخیص بیش از 500 مدل خودرو در بازار ایران همراه با قابلیت بروزرسانی(آپدیت) و افزودن تعداد بیشتری از انواع خودرو، که به معنی گستردگی و تنوع بالا در تشخیص مدل، رنگ و کلاس خودرو(کامیون، اتوبوس، ون و سایر انواع خودرو)است، از مزایای بارز نرم¬افزار شرکت پویافن‌آوران کوثر می‌باشد.


قابلیت scale up (افزایش مقیاس و منابع به سیستم)

این سامانه بسته به نوع تقاضا و نیاز سازمان درخواست‌کننده، می‌تواند در مقیاس‌های مختلفی ارائه شود، در واقع این امکان وجود دارد تا منابع دیگر به سیستم افزوده شود، همچنین قابلیت جستجو و به‌روزرسانی نیز برای نرم‌افزار مذکور، درنظر گرفته شده است. سامانه تشخیص مدل خودرو، با داشتن سخت‌افزار و زیرساخت قدرتمند bigdata و distributed processing/ cluster توزیع شده بوده و می‌تواند به خوبی پردازش را انجام دهد، تا در زمانی کوتاه و مناسب، تحلیل‌ها را به سازمان مربوطه ارائه دهد.


قابل پیاده‌سازی بر انواع دوربین ازجمله دوربین نظارتی و ثبت تخلف

یکی از ویژگی‌های مهم نرم‌افزار تشخیص مدل خودروی شرکت پویافن‌آوران کوثر، قابلیت پیاده‌سازی بر دوربین‌های نظارتی است که همراه با ارائه روش‌های هوشمند جهت شناسایی، اجرای ترکینگ و رهگیری‌ انواع مدل خودرو مورد استفاده قرار می‌گیرد.


تکنولوژی به کار گرفته شده

در سامانه حاضر، استخراج ویژگی­های مبتنی بر یادگیری عمیق و روش­های طبقه­بندی مورد استفاده قرار می­گیرد که کاربرد و سازگاری بسیار بالاتری نسبت به سیستم­های طبقه بندی سنتی نشان داده­اند. تکنولوژی به کار رفته در نرم افزار حاضر، شبکه­های عصبی عمیق با استفاده از زیرساخت توزیع­شده می­باشد.
  • بکارگیری Deep Learning
  • بکارگیری اجزای مختلف سامانه به صورت میکروسرویس
  • قابلیت توسعه و توزیع بر اساس تکنولوژیDocker
  • ارائه داشبورد و گزارشات با استفاده از زیرساخت ELASTICSREACHو  KIBANA