AI veicolo: marca, modello e colore oltre la targa.

L’ANPR restituisce una targa. L’operatore, però, spesso ha altro: “SUV scuro, tedesco, targa parzialmente coperta”. L’AI di classificazione marca, modello e colore non sostituisce la lettura targhe: la rende ricercabile quando l’OCR è incompleto o quando serve un filtro descrittivo sullo storico. Questo hub spiega il ruolo di questi attributi in centrale: query combinate, verifica visiva, limiti (ambiguità modello, illuminazione, angolo). Non pubblichiamo percentuali di accuratezza né benchmark di terze parti: [DA CONFERMARE] se in futuro avremo dati misurati. Privacy: marca/modello/colore sono comunque dati collegati a un transito. Vanno dichiarati se li persistete. L’uso investigativo resta nel quadro delle finalità dell’ente, non “perché l’algoritmo l’ha detto”. Per chi progetta: l’AI gira on-prem insieme al software LPR, sugli stessi transiti. Non richiede un cloud di addestramento descritto qui. Se ti serve capire il flusso prodotto, la pagina lettura targhe e l’articolo sulla ricerca veicoli sono il punto di partenza. CTA naturale: se hai già varchi e uno storico illeggibile su alcune fasce orarie, un assessment può verificare se ha senso attivare i filtri veicolo — dopo aver chiuso geometria di ripresa e qualità OCR di base. Non attivare l’AI “perché c’è in brochure” su un parcheggio hotel o su una sbarra dipendenti: è un trattamento in più. In indagine, invece, la descrizione del testimone è spesso l’unico indizio. Lì l’indice secondario ha un senso operativo. Il modello gira on-prem sugli stessi transiti. Non descriviamo qui cloud di addestramento, dataset di terzi o percentuali. Se in futuro avremo misure sul campo, le pubblicheremo; oggi è [DA CONFERMARE]. Parti dalla pagina lettura targhe e dall’articolo sulla ricerca veicoli. L’AI non corregge un varco cieco. Collauda notte e sporco prima di persistire gli attributi in anagrafe transiti.