AIでナンバープレート読み取り日本のナンバープレートAI認識～ご当地ナンバー背景除去フィルタも含めてAIでナンバープレート読み取り～

1. 日本のナンバープレート事情と課題

• 統一フォントがない（自治体ごとに微妙に異なる）
• ひらがな・漢字・数字・アルファベットの混在
• デザインの多様化（ご当地・記念デザインも含む）
• 反射・湾曲・汚れ等による読取困難
• 図柄入り（ご当地ナンバー）は背景が複雑でOCRに不利

2. AIによるナンバープレート認識の基本技術

1. 物体検出（YOLOv8, YOLOX等）でプレート領域を抽出
2. 深層学習OCR（PaddleOCR、TrOCRなど）で文字認識
3. 構造解析・補正（正規表現や文字領域ごとの処理）

• Augmentationや合成データ生成で、現実のバリエーションに強くするのがコツ
• ご当地ナンバーの図柄背景は前処理が重要

3. サンプル：YOLOv8 + PaddleOCRによるプレート認識

from ultralytics import YOLO
from paddleocr import PaddleOCR
import cv2

model = YOLO("yolov8n.pt")  # 再学習モデル推奨
img = cv2.imread('test.jpg')
results = model(img)
for box in results[0].boxes.xyxy:
    x1, y1, x2, y2 = map(int, box)
    plate_img = img[y1:y2, x1:x2]
    ocr = PaddleOCR(lang="japan", use_angle_cls=True)
    ocr_result = ocr.ocr(plate_img, cls=True)
    print("認識結果:", ocr_result)
    

4. ご当地ナンバー背景の削除（前処理フィルタ例）

ご当地ナンバーの図柄・カラー背景はAI OCRの大きな障害。
グレースケール化＋適応的二値化＋モルフォロジーで文字だけを抽出するフィルタ例です。

import cv2
import numpy as np

img = cv2.imread('gotouchi_plate.jpg')

# グレースケール化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 適応的二値化
bin_img = cv2.adaptiveThreshold(
    gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 21, 10
)

# モルフォロジー処理（ノイズ除去・文字強調）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
clean = cv2.morphologyEx(bin_img, cv2.MORPH_OPEN, kernel, iterations=1)

# 結果表示
cv2.imshow('clean', clean)
cv2.waitKey(0)
cv2.destroyAllWindows()

• adaptiveThresholdは背景の明るさムラにも強い
• さらに深層学習セグメンテーション（U-Net, Mask R-CNN等）で「文字のみ」マスク生成も可能

セグメンテーション例：
U-Net-based license plate character segmentation（arXiv）

5. 今後の展望・参考リンク

• 日本語OCR・ディープラーニングの進化で精度向上中
• OpenAI Vision APIやクラウドOCRも日本語対応拡大中（商用利用は費用注意）
• 合成データ・背景分離の自動化も進展