Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR
Este trabajo presenta un modelo de Reconocimiento Automático de Placas (ALPR) concebido para los entornos no controlados de Juliaca y Arequipa, en el sur del Perú, donde el polvo, la lluvia, la escasa iluminación y el tamaño reducido de las placas de motocicleta suelen hacer fracasar a los sistemas...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2026
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510405158731776 |
|---|---|
| author | Burgos Pari, Diego Armando Vilca Mamani, Jheyson Wily |
| author2 | Otazu Luque, Jorge Eddy |
| author_browse | Burgos Pari, Diego Armando Otazu Luque, Jorge Eddy Vilca Mamani, Jheyson Wily |
| author_facet | Otazu Luque, Jorge Eddy Burgos Pari, Diego Armando Vilca Mamani, Jheyson Wily |
| author_sort | Burgos Pari, Diego Armando |
| collection | Repositorio institucional |
| description | Este trabajo presenta un modelo de Reconocimiento Automático de Placas (ALPR) concebido para los entornos no controlados de Juliaca y Arequipa, en el sur del Perú, donde el polvo, la lluvia, la escasa iluminación y el tamaño reducido de las placas de motocicleta suelen hacer fracasar a los sistemas convencionales. Se construyó un conjunto de datos propio de aproximadamente 16 900 imágenes de automóviles y motocicletas, etiquetadas por tipo de placa y condición ambiental, y ampliadas mediante Roboflow. De las tres variantes de YOLO puestas a prueba (YOLOv8n, YOLOv8s y YOLOv10n) se eligió YOLOv10n, por ser la que mejor equilibra exactitud y latencia en tiempo real. Las regiones de placa detectadas pasan por una canalización OCR modular que aplica binarización adaptativa, corrección de inclinación y reducción de ruido antes de entregar la imagen a un motor PaddleOCR ajustado a los formatos peruanos (ABC-123 para automóviles y AB-1234 para motocicletas). El sistema integrado alcanzó mAP@50 = 0,896 y mAP@50-95 = 0,744, con latencias del orden de milisegundos por imagen, lo que permite su operación en tiempo real. La validación se realizó en escenarios diurnos, nocturnos y con varios vehículos en escena, y confirma tanto la robustez del modelo como su utilidad para el control de tránsito en ciudades peruanas. |
| escuela_str_mv | Escuela Profesional de Ingeniería de Sistemas |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/10635 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Tecnología de información e innovación tecnológica |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería eléctrica, electrónica e informática |
| ocde_str_mv | 2.02.04 |
| programa_nombre_str_mv | INGENIERÍA DE SISTEMAS |
| programa_pxx_str_mv | P27 |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas |
| publishDate | 2026 |
| publishDateRange | 2026 |
| publishDateSort | 2026 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Juliaca |
| spelling | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR Burgos Pari, Diego Armando Vilca Mamani, Jheyson Wily Otazu Luque, Jorge Eddy ALPR YOLOv10n Placas de motocicleta Visión por computadora OCR Aprendizaje profundo Este trabajo presenta un modelo de Reconocimiento Automático de Placas (ALPR) concebido para los entornos no controlados de Juliaca y Arequipa, en el sur del Perú, donde el polvo, la lluvia, la escasa iluminación y el tamaño reducido de las placas de motocicleta suelen hacer fracasar a los sistemas convencionales. Se construyó un conjunto de datos propio de aproximadamente 16 900 imágenes de automóviles y motocicletas, etiquetadas por tipo de placa y condición ambiental, y ampliadas mediante Roboflow. De las tres variantes de YOLO puestas a prueba (YOLOv8n, YOLOv8s y YOLOv10n) se eligió YOLOv10n, por ser la que mejor equilibra exactitud y latencia en tiempo real. Las regiones de placa detectadas pasan por una canalización OCR modular que aplica binarización adaptativa, corrección de inclinación y reducción de ruido antes de entregar la imagen a un motor PaddleOCR ajustado a los formatos peruanos (ABC-123 para automóviles y AB-1234 para motocicletas). El sistema integrado alcanzó mAP@50 = 0,896 y mAP@50-95 = 0,744, con latencias del orden de milisegundos por imagen, lo que permite su operación en tiempo real. La validación se realizó en escenarios diurnos, nocturnos y con varios vehículos en escena, y confirma tanto la robustez del modelo como su utilidad para el control de tránsito en ciudades peruanas. 2026-06-10 2026-09-02T21:46:09Z 2027-01-10 info:eu-repo/date/embargoEnd/2027-01-10 info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/10635 spa info:eu-repo/semantics/embargoedAccess https://creativecommons.org/licenses/by-nc/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/10635 2026-11-10T17:45:09Z |
| spellingShingle | ALPR YOLOv10n Placas de motocicleta Visión por computadora OCR Aprendizaje profundo Burgos Pari, Diego Armando Vilca Mamani, Jheyson Wily Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title_full | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title_fullStr | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title_full_unstemmed | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title_short | Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR |
| title_sort | reconocimiento automatico de placas vehiculares y de motocicletas peruanas en entornos andinos no controlados mediante yolov10n y paddleocr |
| topic | ALPR YOLOv10n Placas de motocicleta Visión por computadora OCR Aprendizaje profundo |
| topic_facet | ALPR YOLOv10n Placas de motocicleta Visión por computadora OCR Aprendizaje profundo |
| url | https://hdl.handle.net/20.500.12840/10635 |
| work_keys_str_mv | AT burgosparidiegoarmando reconocimientoautomaticodeplacasvehicularesydemotocicletasperuanasenentornosandinosnocontroladosmedianteyolov10nypaddleocr AT vilcamamanijheysonwily reconocimientoautomaticodeplacasvehicularesydemotocicletasperuanasenentornosandinosnocontroladosmedianteyolov10nypaddleocr |