حسین خسروی

وبلاگ دانشگاهی حسین خسروی، عضو هیات علمی دانشگاه صنعتی شاهرود

حسین خسروی

وبلاگ دانشگاهی حسین خسروی، عضو هیات علمی دانشگاه صنعتی شاهرود

حسین خسروی

باتوجه به محدودیتهای صفحه شخصی موجود در سایت دانشگاه، این بلاگ را راه اندازی کردم.
اطلاعیه های مربوط به دروسی که تدریس می کنم و تمرینها در این وبلاگ قرار خواهد گرفت.
برای آگاهی از مطالب مربوط به هر درس، در قاب زیر (طبقه بندی موضوعی) روی نام درس کلیک کنید.

پیوندهای روزانه
  • ۰
  • ۰

اداره پلیس هندرسون می گوید که سیستم پلاک خوان خود را در سراسر شهر گسترش خواهد داد.

اداره پلیس هندرسون (HPD) آژانس اجرای قانون برای شهر هندرسون، نوادا است.
HPD که در سال 1953 تأسیس شد، رشد قابل توجهی داشته است و اکنون توسط کمیسیون اعتباربخشی برای آژانس های مجری قانون (CALEA) معتبر است.
این دپارتمان به دلیل تعهد خود به نوآوری، پیشگیری و اجرای قانون برای کاهش جرم و جنایت شناخته شده است

HPD به چندین بخش تقسیم می شود، از جمله فرماندهی عملیات (بخش گشت شرق، غرب و شمال) و فرماندهی پشتیبانی (سرویس تحقیق، خدمات ویژه، خدمات فنی، و بخش اصلاحات).
رئیس پلیس فعلی هالی چادویک است.

پلیس هندرسون می‌گوید که برای افزودن دوربین‌های قطبی بیشتر به سیستم خودکار پلاک‌خوان (ALPR) کمک مالی دریافت کرده است. این دوربین ها در مکان های استراتژیک اطراف هندرسون قرار خواهند گرفت.

در حال حاضر، 54 دوربین از طریق کمک مالی خریداری شده است که به سیستم‌های داخل خودروهای پلیس اضافه شده اند. این دوربین ها قابل حمل و جابه جایی هستند.

ALPR به طور خودکار وسایل نقلیه عبوری و اطلاعات پلاک آنها را ضبط می کند. این نرم‌افزار می‌تواند شماره را با فهرستی از پلاک‌هایی که به‌عنوان «وسایل نقلیه مورد کاوش» علامت‌گذاری شده‌اند، مانند اتومبیل‌های دزدیده شده یا افراد گمشده، بررسی کند.

پلیس می گوید این سیستم فقط بر روی داده های پلاک خودرو تمرکز می کند و هیچ نظارتی انجام نمی دهد.

داده‌های ضبط‌ شده نیز ناشناس باقی می‌مانند و افسران فقط می‌توانند با جستجو در پایگاه‌های اطلاعاتی دولت ایالتی، مالک ثبت‌شده خودرو را شناسایی کنند.

پلیس هندرسون از سال 2011 از فناوری ALPR در ظرفیت محدود استفاده می کند.

 

 

  • حسین خسروی
  • ۰
  • ۰

دوربین پلاک خوان مجهز به مصنوعی که معمولاً بر روی وسایل نقلیه پلیس نصب هستند اکنون از تابلوهای سیاسی، افرادی که روی پیراهن هایشان متن می پوشند و خودروهایی با برچسب های طرفدار سقط جنین عکس می گیرند. آنها همچنین محل وقوع این چیزها را نیز ثبت می کنند.

عکس های دقیق در نتایج جستجو که توسط سیستم های DRN Data، یک شرکت تشخیص پلاک (LPR) متعلق به Motorola Solutions تولید شده بود، ظاهر شد.

سیستم LPR (Licence plate reader) می تواند توسط بازرسان خصوصی، ماموران و شرکت های بیمه استفاده شود؛ یک کسب و کار مرتبط با موتورولا به نام Vigilant به پلیس ها امکان دسترسی به همان داده های LPR را می دهد.

جولیا ویست، هنرمندی که مجموعه داده های محدود را به عنوان بخشی از کار خود ثبت می کند، نشان می دهد که چگونه کسانی که به سیستم LPR دسترسی دارند، می توانند عبارات یا نام های رایج، مانند نام سیاستمداران را جستجو کنند و با عکس هایی که عبارت جستجو در آن ها وجود دارد، حتی اگر روی پلاک نمایش داده نشود، ارائه دهد.

علاوه بر برجسته کردن ماهیت گسترده فن آوری LPR، که میلیاردها تصویر از پلاک ها را جمع آوری کرده است، این تحقیق همچنین نشان می دهد که چگونه دیدگاه های سیاسی مردم و خانه های آن ها را می توان در پایگاه داده های گسترده ای که قابل جستجو هستند، ثبت کرد.

جی استنلی، تحلیلگر ارشد سیاست اتحادیه آزادی های مدنی آمریکا گفت: ” این امر نشان می دهد که نظارت در مقیاس انبوه در خیابان های آرام آمریکا در حال رخ دادن است. این نظارت متاسفانه تنها به پلاک خودرو محدود نمی شود، بلکه اطلاعات بالقوه آشکار دیگری در مورد مردم نیز ثبت و ضبط می شود.”

DRN به وایرد (Wired) گفت که این موضوع با “تمام قوانین و مقررات قابل اجرا” مطابقت دارد. در طول بیش از یک دهه، DRN بیش از ۱۵ میلیارد “مشاهده وسیله نقلیه” در سراسر ایالات متحده جمع آوری کرده است. مطالب موجود در حوزه بازاریابی این شرکت ادعا می کنند که بیش از ۲۵۰ میلیون مشاهده در ماه را ثبت میکنند.

تصاویر موجود در پایگاه داده تجاری دراپ باکس با استفاده از سیستم ویژوال بیسیک با پلیس به اشتراک گذاشته می شوند، اما تصاویر ثبت شده توسط نیروی انتظامی در پایگاه داده جامع تر به اشتراک گذاشته نمی شوند. این سیستم تا حدودی توسط شرکت های وابسته به DRN که دوربین هایی را در خودروهای خود نصب می کنند، مانند کامیون های خودران و ثبت پلاک در حین رانندگی، تقویت می شود. هر خودرو می تواند تا چهار دوربین پلاک خوان متصل داشته باشد و تصاویر را از تمام زوایا ثبت کند. این شرکت های وابسته، پاداش ماهانه دریافت می کنند و همچنین می توانند دوربین های رایگان و اعتبار جستجو دریافت کنند.

جرمیا ویلر، رئیس DRN گفت: ” فن آوری تشخیص پلاک (LPR) از امنیت عمومی و خدمات اجتماعی، از کمک به یافتن کودکان ربوده شده و خودروهای سرقتی گرفته تا خودکار کردن جمع آوری عوارض و کاهش حق بیمه با کاهش تقلب بیمه ای حمایت می کند و در واقع انجام این امور را تسهیل می کند.”

منبع مطلب : shahaab-co.com

  • حسین خسروی
  • ۰
  • ۰

هوش مصنوعی (AI) یکی از موضوعات کلیدی در اجلاس فناوری مانیل در ماه آگوست بود و بحث هایی را در مورد اینکه آیا باید از هوش مصنوعی ترسید یا به عنوان یک کاتالیزور برای تغییر پذیرفته شود به وجود آورد. پذیرش سریع هوش مصنوعی در آسیای جنوب شرقی، به ویژه در صنعت فین‌تک، دسترسی به خدمات مالی را همگانی تر کرده و آنها را کارآمدتر و ایمن‌تر کرده است. با این حال، نگرانی‌ها در مورد مقررات و پیامدهای اخلاقی پذیرش هوش مصنوعی همچنان وجود دارد.

هوش مصنوعی با ابزارهایی که فرآیندها را خودکار می کند، داده ها را به سرعت تجزیه و تحلیل می کند و خدمات شخصی سازی شده را به مشتریان ارائه می دهد، بخش های مختلف در جنوب شرقی آسیا از جمله مالی، مراقبت های بهداشتی و تدارکات را به طور قابل توجهی تحت تاثیر قرار داده است. گزارش شده است که هوش مصنوعی در سال‌های اخیر بیشترین تأثیر را برای اختلال در فناوری داشته است و پس از آن رایانش ابری و بلاک چین قرار دارند.

با وجود پتانسیل هوش مصنوعی برای جایگزینی یک چهارم کار فعلی تا سال 2030، تخمین زده می شود فرصت های شغلی جدید نیز افزایش یابد. کسب‌وکارها از هوش مصنوعی برای ساده‌سازی فرآیندها، شناسایی تقلب و ارائه پشتیبانی از مشتری 24/7 استفاده می‌کنند و نحوه تعامل آنها با مصرف‌کنندگان را متحول می‌کند.

بحث در مورد اینکه آیا هوش مصنوعی باید ارزش های انسانی را بر اهداف اولویت دهد یا نه ادامه دارد، زیرا استفاده از هوش مصنوعی صرفاً هدف گرا می تواند منجر به دوراهی های اخلاقی شود. تمایز بین هوش مصنوعی هدف گرا و هوش مصنوعی هدایت شده اخلاقی برای حفظ تعادل بین کارایی و اخلاق بسیار مهم است.

این اجلاس همچنین به نیاز به ملاحظات اخلاقی در توسعه هوش مصنوعی، بحث در مورد تعصب و نگرانی‌های اخلاقی مانند جابجایی شغل به دلیل اتوماسیون، پرداخت. دولت‌ها و کسب‌وکارها باید روی مهارت‌سازی و ارتقای مهارت نیروی کار سرمایه‌گذاری کنند تا با تغییرات تکنولوژیک سازگار شوند و فرصت‌های شغلی جدید ایجاد کنند.

مدل مارپیچ سه‌گانه به عنوان یک رویکرد بالقوه برای رسیدگی به چالش‌های نیروی کار ناشی از هوش مصنوعی، با تأکید بر همکاری بین دولت، دانشگاه و بخش خصوصی برجسته شد. چارچوب‌های نظارتی انعطاف‌پذیر برای حمایت از مصرف‌کنندگان و در عین حال تشویق نوآوری مورد نیاز است.

در نتیجه، هوش مصنوعی دارای جنبه‌های دوگانه با مزایا و خطرات است که اهمیت نحوه طراحی و استفاده انسان از این فناوری را برجسته می‌کند. این به ما بستگی دارد که هوش مصنوعی را به ابزاری تبدیل کنیم که بتواند به ساختن آینده ای فراگیرتر و مرفه تر کمک کند و در عین حال به چالش هایی مانند جابجایی شغلی و ملاحظات اخلاقی بپردازیم. لیتو ویلانووا، یک چهره پیشرو در امور مالی دیجیتال فراگیر در فیلیپین، در پیشروی ابتکارات دیجیتال و ترویج همکاری در صنعت فین‌تک نقش بسزایی داشته است.

  • حسین خسروی
  • ۰
  • ۰

با شروع سال تحصیلی، جمینی ویژگی های جدیدی دارد که به شما در یادگیری کمک می کند. فرقی نمی کند دانشجوی سال اولی هستید که برای شروع دانشگاه هیجان زده شده اید یا دانشجوی سال دوم، جمینی اینجاست تا به شما کمک کند باهوش تر درس بخوانید.

در اینجا به پنج روشی که جمینی می تواند در طول سال تحصیلی از شما پشتیبانی کند اشاره می کنیم که همگی برای دانش آموزان ۱۸ سال و بالاتر در دسترس هستند :

1. از کتاب های درسی مورد اعتماد بهره ببرید

از امروز، جمینی می تواند با OpenStax، یک طرح غیرانتفاعی آموزشی دانشگاه رایس، اطلاعات کتاب های درسی دانشگاهی را استخراج کند. فرض کنید در کلاس اقتصاد شرکت می کنید و به کمک مفاهیم جدید نیاز دارید - فقط سوالاتی مانند "OpenStax مفهوم عرضه و تقاضا را توضیح بده" را بپرسید؛ در عرض چند ثانیه، یک توضیح واضح و مختصر به همراه لینک هایی به محتوای کتاب درسی مرتبط دریافت خواهید کرد.

2. دانش خود را با آزمون های تعاملی آزمایش کنید

جمینی می تواند دانش شما را با آزمون های عملی مفید آزمایش کند و از امروز، جمینی شما را در یک زمان کوتاه به جواب سوالی که در ذهن شماست می رساند و اگر در این مسیر گیر افتادید، بازخوردها و اشاراتی به شما ارائه می دهد. می خواهید دانش تاریخی خود را آزمایش کنید؟ فقط بگویید، "به من در مورد ظهور صنعتی شدن، اطلاعاتی ارائه بده" و برای یک تجربه یادگیری جذاب آماده شوید! دانش خود را آزمایش کنید و درباره موضوعات مختلفی از زیست شناسی گرفته تا تاریخ جهان و فرهنگ عامه کسب اطلاعات کنید.

3. مطالب آموزشی را بارگذاری کنید تا مانند یک حرفه ای برای امتحانات آماده شوید

با Gemini Advanced می توانید تا ۱۰ سند را در یک زمان آپلود کنید - مثل سرفصل کلاس ها یا یادداشت هایتان - و از Gemini بخواهید که محتوا را توضیح دهد یا یک راهنمای مطالعه سفارشی ایجاد کند. جمینی به عمق مطالب شما می رود تا مفاهیم کلیدی را تجزیه کند، سوالات عملی را براساس مطالب درسی و غیره در اختیار شما قرار دهد. همه این ها به لطف جمینی Advanced امکان پذیر است که به جمینی اجازه می دهد حجم زیادی از اطلاعات را در یک زمان پردازش کند. برای اینکه جزو اولین افرادی باشید که از آپلود فایل استفاده می کنید، می توانید از همین امروز آن را در موبایل نیز امتحان کنید.

4. از Learning coach Gem برای دریافت راهنمای مطالعه شخصی استفاده کنید.

مشترکین جمینی Advanced از امروز به Gems دسترسی دارند که به عنوان متخصص هوش مصنوعی سفارشی برای هر موضوعی عمل می کند. مربی یادگیری از پیش تعیین شده Gems به شما کمک می کند تا یک برنامه یادگیری متناسب با نیازهای خود ایجاد کنید که با بررسی پیشرفت تکمیل می شود تا شما را در مسیر خود نگه دارد. به عنوان مثال، می توانید به مربی یادگیری گیم مراجعه کنید و بگویید: " می خواهم برای نیمه عمرم آماده شوم. آیا می توانید به من در بررسی سلول ها، ژنتیک، اکولوژی و اکوسیستم ها کمک کنید؟ در پاسخ، شما یک برنامه یادگیری مناسب دریافت خواهید کرد که زیردامنه های کلیدی را پوشش می دهد، مفاهیم ضروری در هر حوزه را مشخص می کند، و انعطاف پذیری ایجاد تنظیمات یا شروع درست برای مطالعات شما را ارائه می دهد.

5. درک عمیق تری از هر موضوعی به دست آورید

جمینی می تواند اطلاعات را به روشی آسان تجزیه کند - از ویدیوها گرفته تا تصاویر و نمونه های واقعی متناسب با آنچه یاد می گیرید. به عنوان مثال، اگر در حال مطالعه تورم هستید، ویدئویی که توضیح می دهد تورم چگونه کار می کند را تایپ کنید و جمینی ویدئوهای مفیدی برای افزایش درک شما به اشتراک خواهد گذاشت. اگر می خواهید عمیق تر صحبت کنید، سوال بعدی را از جمینی بپرسید یا روی لینک های مربوط به منابع و محتوای مرتبط کلیک کنید.

blog.google

  • حسین خسروی
  • ۰
  • ۰

هوش مصنوعی در حال حاضر صنایع را از بانکداری و امور مالی گرفته تا فیلم و روزنامه نگاری مختل کرده است و دانشمندان در حال بررسی این موضوع هستند که چگونه هوش مصنوعی می تواند حوزه کاری آن ها را متحول کند یا حتی برنده جایزه نوبل شود.

در سال ۲۰۲۱، دانشمند ژاپنی هیروکی کیتانو چیزی را پیشنهاد کرد که او آن را "چالش نوبل" نامید و از محققان دعوت کرد تا یک "دانشمند هوش مصنوعی" ایجاد کنند که قادر به انجام خودکار تحقیقاتی درخور جایزه نوبل تا سال ۲۰۵۰ باشد.

برخی از دانشمندان در حال حاضر سخت در تلاش برای ایجاد یک همکار هوش مصنوعی شایسته نوبل هستند و برندگان امسال بین ۷ تا ۱۴ اکتبر اعلام خواهند شد.

و در واقع، به گفته راس کینگ، استاد هوش ماشینی در دانشگاه چالمرز در سوئد، در حال حاضر حدود ۱۰۰ "دانشمند ربات" وجود دارد.

در سال ۲۰۰۹، کینگ مقاله ای منتشر کرد که در آن او و گروهی از همکارانش "آدام دانشمند ربات" را ارائه کردند که اولین ماشینی بود که اکتشافات علمی را به صورت مستقل انجام می داد.

کینگ به خبرگزاری فرانسه گفت: " ما روباتی ساختیم که به تنهایی علوم جدید را کشف کرد، ایده های علمی جدیدی تولید کرد و آن ها را آزمایش کرد و تایید کرد که درست هستند."

این ربات برای شکل دادن فرضیه ها به صورت مستقل و سپس طراحی آزمایش هایی برای آزمایش آن ها راه اندازی شد.

حتی ربات های آزمایشگاهی را برای انجام این آزمایش ها، قبل از یادگیری از این فرآیند و تکرار آن برنامه ریزی می کند.

بی اهمیت نبود!

 "آدام" وظیفه بررسی کارهای درونی مخمر را بر عهده داشت و "کارکردهای ژن ها" را کشف کرد که پیش از این در سازمان ها ناشناخته بودند.

در این مقاله، سازندگان این ربات اشاره کردند که اگرچه اکتشافات "متوسط" بودند، اما "بی اهمیت" هم نبودند.

بعدها، یک دانشمند ربات دوم به نام "ایو" برای مطالعه کاندیداهای دارویی برای مالاریا و دیگر بیماری های گرمسیری تاسیس شد.

به گفته کینگ، دانشمندان ربات در حال حاضر چندین مزیت نسبت به دانشمندان انسان معمولی دارند.

او توضیح داد: "انجام این فرآیند علمی هزینه کمتری دارد، آن ها ۲۴ / ۷ کار می کنند" و افزود که آن ها همچنین در ثبت جزئیات این فرآیند کوشاتر هستند.

کینگ در عین حال اذعان کرد که هوش مصنوعی به هیچ وجه به یک دانشمند شایسته نوبل نزدیک نیست.

برای این کار، آن ها باید "بسیار باهوش تر" باشند و بتوانند "تصویر بزرگ تر را درک کنند".

موفقیت نزدیک است

اینگا استرومک، استادیار دانشگاه علم و فن آوری نروژ، گفت که در حال حاضر حرفه علمی ایمن است.

او به خبرگزاری فرانسه گفت: " سنت علمی به این زودی ها به دست ماشین ها نمی رسد."

با این حال، استروماک افزود که "به این معنی نیست که غیرممکن است" و افزود که "قطعا" روشن است که هوش مصنوعی در چگونگی انجام علم تاثیر دارد و خواهد داشت.

یکی از مثال هایی که در حال حاضر مورد استفاده قرار می گیرد، AlphaFold است که یک مدل هوش مصنوعی توسعه یافته توسط گوگل دیپ مایند است که برای پیش بینی ساختار سه بعدی پروتئین ها براساس اسید آمینه آن ها مورد استفاده قرار می گیرد.

استرومک گفت: " ما می دانستیم که رابطه ای بین اسیده ای آمینه و شکل سه بعدی نهایی پروتئین ها وجود دارد... و سپس می توانستیم از یادگیری ماشین برای یافتن آن استفاده کنیم."

او توضیح داد که پیچیدگی چنین محاسباتی برای انسان ها بسیار دلهره آور است.

او گفت: " ما به نوعی ماشینی داریم که کاری را انجام می دهد که هیچ انسانی قادر به انجام آن نیست."

در عین حال، مورد آلفافولد نیز یکی از نقاط ضعف مدل های فعلی هوش مصنوعی مانند شبکه های عصبی را نشان می دهد.

آن ها در خرد کردن حجم عظیمی از اطلاعات و رسیدن به پاسخ بسیار ماهر هستند، اما در توضیح اینکه چرا این پاسخ درست است، خیلی خوب نیستند.

استرومک گفت: بنابراین در حالی که بیش از ۲۰۰ میلیون ساختار پروتئینی پیش بینی شده توسط آلفافولد "بسیار مفید" هستند، آن ها "چیزی در مورد میکروبیولوژی به ما نمی آموزند".

به کمک هوش مصنوعی

از نظر او، علم به دنبال درک جهان است و صرفا به معنای "حدس درست" نیست.

با این حال، کارهای پیشگامانه انجام شده توسط آلفافولد منجر به این شده است که کارشناسان ذهن ها را به عنوان پیشتازان جایزه نوبل پشت سر بگذارند.

جان جامپر، مدیر گوگل دیپ مایند و دمیس هاسابیس، مدیرعامل و هم بنیان گذار گوگل، پیش از این در سال ۲۰۲۳ جایزه معتبر لاسکر را دریافت کرده بودند.

گروه تحلیلی "کلاریتیوت" (Clarivate)که به بررسی برندگان احتمالی علوم نوبل می پردازد، این دو نفر را در میان نامزدهای برتر برای جایزه شیمی سال ۲۰۲۴ قرار می دهد.

دیوید پندلبری، رئیس این گروه تحقیقاتی، اذعان می کند که در حالی که مقاله سال ۲۰۲۱ جومپر و هاسبیس هزاران بار مورد استناد قرار گرفته است، اعطای جایزه به این سرعت پس از انتشار برای هیات داوران نوبل دور از ذهن نخواهد بود؛ چرا که اغلب اکتشافاتی که مورد تجلیل قرار می گیرند، به دهه ها پیش باز می گردند.

در عین حال، او اطمینان دارد که مدت زمان زیادی طول نخواهد کشید تا تحقیقات به کمک هوش مصنوعی برنده محبوب ترین جوایز علمی شوند.

پندلبری به خبرگزاری فرانسه گفت: " من مطمئنم که در دهه آینده جایزه نوبلی وجود خواهد داشت که این روزها به نحوی به محاسبات و محاسبات کمک می کند."

france24.com

  • حسین خسروی
  • ۰
  • ۰

کلارا کاپاز، مدیر سابق فناوری کشور فرانسه، در کابینه جدید میشل بارنیه ایفای نقش خواهد کرد.

فرانسه اولین وزیر هوش مصنوعی (AI)خود را در میان یک دگرگونی سیاسی و در حالی که این کشور در حال مانور دادن برای تبدیل شدن به یک رهبر جهانی در این فن آوری است، معرفی کرده است.

 "کلارا چپاز"، مدیرعامل نهاد نوپای "لا فرنچ تک"، نقش وزیر امور خارجه در زمینه هوش مصنوعی و دیجیتال سازی را بر عهده خواهد داشت.

او روز یکشنبه در یک پست لینکدین گفت: " خوشحالم که به تعهدم به اقدام عمومی در مورد این موضوعات اصلی دیجیتال و هوش مصنوعی ادامه می دهم."

این مقام قبلا نیز تاکید زیادی بر هوش مصنوعی داشت و بر جاه طلبی فرانسه برای رهبری در این فن آوری و برآورده کردن آرزوی امانوئل مکرون برای تبدیل پاریس به "شهر هوش مصنوعی" تاکید می کرد.

فرانسه نیز پس از دو کشور انگلیس و کره جنوبی که میزبان اجلاس AI بودند در ماه فوریه میزبان اجلاس بین المللی هوش مصنوعی خواهد بود.

سال گذشته، فرانسه استراتژی ملی هوش مصنوعی را با سرمایه گذاری ۵۰۰ میلیون دلاری برای ایجاد خوشه های هوش مصنوعی تا سال ۲۰۳۰ منتشر کرد.

euronews

  • حسین خسروی
  • ۰
  • ۰

سیستم های پلاک خوان که از فناوری پیشرفته هوش مصنوعی (AI) و بینایی ماشین برای خواندن و تجزیه و تحلیل خودکار پلاک خودروها استفاده می کنند معمولاً برای اهداف مختلفی مانند اجرای قانون، مدیریت پارکینگ، جمع آوری عوارض و سیستم های نظارتی به کار گرفته می شوند.

پلاک‌خوان‌های هوشمند مجهز به قابلیت‌های تشخیص کاراکتر نوری (OCR) هستند که به آن‌ها اجازه می‌دهد از پلاک‌ها عکس بگیرند و کاراکترها را به متن قابل خواندن تبدیل کنند. الگوریتم‌های هوش مصنوعی و مدل‌های یادگیری ماشینی که در این سیستم‌ها ادغام شده‌اند، شناسایی دقیق و کارآمد پلاک‌ها را در زمان واقعی امکان‌پذیر می‌سازند.

این دستگاه ها می توانند حجم زیادی از داده ها را به سرعت پردازش کنند و آن ها را قادر می سازند تا اطلاعات پلاک ثبت شده را با پایگاه داده های مربوطه مانند خودروهای سرقتی، افراد تحت تعقیب یا سوابق مجوز پارکینگ مطابقت دهند. با خودکارسازی فرآیند خواندن و تحلیل پلاک، پلاک خوان های هوشمند امنیت را افزایش می دهند، مدیریت ترافیک را بهبود می بخشند و اقدامات انتظامی را تسهیل می کنند.

علاوه بر این، پلاک خوان خودرو می تواند با دیگر فناوری های نظارتی مانند دوربین های مداربسته ادغام شود تا یک سیستم نظارتی جامع ارائه دهد. این امر مقامات را قادر می سازد تا نظارت و ردیابی موثرتری بر وسایل نقلیه داشته باشند، امنیت عمومی را افزایش دهند و به تحقیقات کمک کنند.

نرم افزار پلاک خوان آی پلاک

آی پلاک، نرم افزار پلاک خوان جامع و تخصصی در زمینه ی مدیریت و کنترل هوشمند تردد است که با اتصال به دوربین های نظارتی می تواند کنترلی دقیق و آنی از تردد خودرو ها را ارائه داده و اطلاعات کامل هر تردد را ثبت کند. همچنین آی پلاک به عنوان یک پلاک خوان هوشمند، قابلیت فرمان مستقیم به راهبند و گیت ها را دارد و با اتصال به آن ها می تواند به صورت خودکار و هوشمند رفت و آمد را مدیریت کند.

این نرم افزار پلاک خوان، محصول شرکت دانش بنیان شهاب است که با تکنولوژی هوش مصنوعی ساخته و پرداخته شده و ترکیب آن با دوربین های پلاک خوان این شرکت، بهترین کارایی و عملکرد را برای شما به ارمغان خواهد آورد.

ویژگی های پلاک خوان آی پلاک

از مهمترین ویژگی های این پلاکخوان می توان به موارد ذیل اشاره کرد :

  • اتصال خودکار به دوربین تشخیص پلاک
  • اتصال به راه بند و بازکردن خودکار آن برای خودرو های مجاز
  • تعریف مالکین خودرو
  • امکان تعریف خودرو های مجاز به تعداد دلخواه
  • تخصیص یک یا چند خودرو به هر یک از مالکین
  • پردازش خودکار جریان (stream) دوربین و شناسایی پلاک به محض قرارگیری خودرو
  • تعیین ساعت و زمان مجار تردد برای هر خودرو
  • ذخیره سازی اطلاعات کامل تردد
  • تعریف کاربران در سطوح مختلف
  • تهیه گزارش در بازه های مورد علاقه

دوربین پلاک خوان شهاب

ادغام دوربین های پلاک خوان تخصصی شرکت شهاب با نرم افزار پلاک خوان آی پلاک امکان عملیات یکپارچه و کارآمد را فراهم می کند.

جدیدترین دوربین پلاک خوان شرکت شهاب با نام SH-CP1140101-M برای تشخیص دقیق پلاک‌ خودرو های در حال حرکت با سرعت بالا در آزادراه ها، جاده های بین شهری، خیابان ها، ورودی اماکن و... طراحی شده است. پروژکتور داخلی این دوربین را قادر می‌سازد تا پلاک خودرو را در شرایط مختلف آب و هوایی و نیز ساعات مختلف شبانه روز حتی با وجود نور بسیار کم شناسایی کند.

این دوربین در شرایط مختلف می تواند تصویر بسیار واضحی از پلاک خودرو ها ضبط کند؛ همچنین این دوربین برای کاربردهای متنوعی از بزرگراه ها گرفته تا پارکینگ ها قابل استفاده می باشد. دوربین پلاک خوانSH-CP1140101-M دارای 3 حالت تنظیمات برای روز ، شب و طلوع-غروب است که با این ویژگی فوق العاده می تواند برای استفاده در شرایط مختلف نوری در طول شبانه روز مناسب باشد.

از دیگر ویژگی های مهم این محصول می توان به توانایی خواندن پلاک خودروها حتی تا سرعت 150 کیلومتر در ساعت اشاره کرد که این ویژگی مهم باعث می شود این دوربین، یک انتخاب ایده آل برای جاده های برون شهری و بزرگراه ها باشد.

همچنین درجه حفاظت این دوربین IP67 می باشد که باعث می شود دوربین در برابر آب و گرد و خاک مقاوم باشد و خللی به کارایی آن وارد نشود.

  • حسین خسروی