على الرغم من التقدم الكبير الذي شهده معظم تطبيقات التعرف على لوحات التسجيل الحالية، تظل محدودة في البيئات المثالية التي يتم فيها تسمية بيانات التدريب بدقة ضمن مشاهد مُحددة. في هذا البحث، نقترح طريقة جديدة للتعرف على لوحات التسجيل قادرة على التعامل مع مشاهد المرور الواقعية غير المُحددة. لتجاوز هذه الصعوبات، نستخدم تقنية تحسين الدقة المُتعددة (SR) القائمة على التحدي العدائي، بالإضافة إلى تقسيم وتمييز الأحرف في مرحلة واحدة. وبالاعتماد على شبكة تلافيفية عميقة مستندة إلى معمارية VGG-net، تُقدّم طريقة العمل لدينا إجراءً تدريبيًا بسيطًا ولكن منطقيًا. علاوةً على ذلك، نُقدّم مجموعة بيانات GIST-LP، وهي مجموعة بيانات صعبة التعرف على لوحات التسجيل، حيث تم جمع عينات الصور بشكل فعّال من مشاهد مراقبة غير مُحددة. تُظهر النتائج التجريبية على مجموعتي بيانات AOLP وGIST-LP أن طريقة العمل المقترحة، دون الحاجة إلى أي تكييف مخصص للسياق، تتفوّق على الطرق الحالية للتعرف على لوحات التسجيل من حيث الدقة، كما تُقدّم تحسينًا بصريًا في نتائج تحسين الدقة (SR) تكون أكثر وضوحًا وسهولة في الفهم مقارنةً بالبيانات الأصلية.