يقدم هذا البحث نظامًا فعالًا ومستقلًا عن التخطيط للاعتراف التلقائي برقم اللوحة (ALPR) يعتمد على أحدث كاشف الأشياء YOLO، والذي يحتوي على نهج موحد لاكتشاف رقم اللوحة (LP) تصنيف التخطيط لتحسين نتائج الاعتراف باستخدام قواعد المعالجة اللاحقة. تم تصميم النظام من خلال تقييم وتحسين نماذج مختلفة، بهدف تحقيق أفضل توازن بين السرعة والدقة في كل مرحلة. تم تدريب الشبكات باستخدام صور من عدة قواعد بيانات، مع إضافة تقنيات متعددة لتقوية البيانات، بحيث تكون هذه الشبكات قوية تحت ظروف مختلفة. حقق النظام المقترح معدل اعتراف شامل يصل إلى 96.9٪ عبر ثماني قواعد بيانات عامة (من خمس مناطق مختلفة) استخدمت في التجارب، مما يتفوق على الأعمال السابقة وأنظمة الشركات التجارية في قواعد البيانات ChineseLP و OpenALPR-EU و SSIG-SegPlate و UFPR-ALPR. وفي القواعد البيانات الأخرى، حققت النهج المقترحة نتائج تنافسية مقارنة بالنتائج التي حققتها النماذج الأساسية. كما حقق نظامنا معدلات مثيرة للإعجاب من الإطارات في الثانية (FPS) على بطاقة رسوميات عالية المواصفات، حيث يمكنه العمل في الوقت الحقيقي حتى عند وجود أربع سيارات في المشهد. إسهام إضافي هو أننا قمنا بتصنيف 38,351 صندوق حدودي يدوياً على 6,239 صورة من قواعد البيانات العامة وجعلنا هذه التصنيفات متاحة بشكل عام للمجتمع البحثي.