تمثل تقنية التعرف التلقائي على لوحات التسجيل (ALPR) موضوعًا شائعًا في الأبحاث العلمية نظرًا لتطبيقاتها العملية العديدة. ومع ذلك، لا تزال العديد من الحلول الحالية غير موثوقة في البيئات الواقعية، وتعتمد غالبًا على قيود متعددة. تقدم هذه الورقة نظامًا موثوقًا وفعالًا للتعرف على لوحات التسجيل، مبنيًا على أحدث تقنيات كاشف الكائنات YOLO. حيث تم تدريب الشبكات العصبية التلافيفية (CNNs) وضبطها بدقة لكل مرحلة من مراحل نظام ALPR، مما يضمن قدرتها على الأداء المتميز في ظروف مختلفة (مثل التغيرات في الكاميرات، الإضاءة، والخلفيات). وبالخصوص في مراحل فصل الأحرف وتمييزها، قمنا بتصميم نهج ثنائي المراحل، باستخدام تقنيات بسيطة لتعزيز البيانات، مثل عكس لوحات التسجيل (LPs) وعكس الأحرف. أظهر النظام الناتج نتائج مبهرة في مجموعتي بيانات. أولاً، في مجموعة بيانات SSIG، التي تتكون من 2000 إطارًا من 101 مقطع فيديو لمركبات، حقق النظام معدل تعرف بلغ 93.53% وبسرعة 47 إطارًا في الثانية (FPS)، متفوقًا على نظامي Sighthound وOpenALPR التجاريين (89.80% و93.03% على التوالي)، كما تفوق بشكل ملحوظ على النتائج السابقة (81.80%). ثانيًا، وبهدف محاكاة سيناريو واقعي أكثر، قمنا بتصميم مجموعة بيانات عامة أكبر تُعرف باسم مجموعة بيانات UFPR-ALPR، مخصصة لاختبار أنظمة التعرف على لوحات التسجيل. تضم هذه المجموعة 150 مقطع فيديو و4500 إطارًا تم التقاطها أثناء حركة الكاميرا والمركبات معًا، وتشمل أنواعًا مختلفة من المركبات (سيارات، دراجات نارية، حافلات، شاحنات). وفي مجموعة البيانات المقترحة، بلغ معدل التعرف للإصدارات التجريبية للأنظمة التجارية أقل من 70%. في المقابل، حقق نظامنا أداءً أفضل، بتحقيق معدل تعرف قدره 78.33% وبسرعة 35 إطارًا في الثانية (FPS).