Identificación de matrículas haciendo uso de esp32cam y reconocimiento de daños en vehículos por medio de redes neuronales convolucionales.
Este trabajo final de máster tiene como objetivo desarrollar un sistema automatizado de bajo coste que combine la detección de matrículas vehiculares mediante OCR empleando un dispositivo ESP32CAM y el reconocimiento de ciertos tipos de daños en vehículos utilizando redes neuronales convolucionales...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/88411 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/88411 |
| Access Level: | acceso abierto |
| Palabra clave: | 004(043.3) OCR ESP32CAM CNN IOT Visión por computadora Computer vision Informática (Informática) 33 Ciencias Tecnológicas |
| Sumario: | Este trabajo final de máster tiene como objetivo desarrollar un sistema automatizado de bajo coste que combine la detección de matrículas vehiculares mediante OCR empleando un dispositivo ESP32CAM y el reconocimiento de ciertos tipos de daños en vehículos utilizando redes neuronales convolucionales (CNN) haciendo uso de las cámaras existentes en la compañía. En cuanto a la detección de matrículas, se emplean técnicas de visión por computadora para identificar y localizar las regiones que contienen las matrículas en imágenes de vehículos del Holding empresarial PROMOAMBIENTAL de Colombia. De tal forma que una vez se tenga identificado cada vehículo, se pueda realizar una valoración automatizado de las zonas del tren delantero de los vehículos para detectar los daños más comunes que se producen en la flota de vehículos, lo cual se pretende realizar con técnicas basadas en redes neuronales convolucionales entrenadas con un conjunto de imágenes etiquetadas que contienen diferentes tipos de daños. El objetivo de utilizar este sistema de identificación de daños en la flota de vehículos es reducir los tiempos de dedicación, logrando optimizar mediante la automatización un proceso que actualmente solo depende de la supervisión humana, por medio de una herramienta tecnológica orientada a IOT. |
|---|