Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11692Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Díaz Conde, Orlando. | - |
| dc.date.accessioned | 2026-10-13T15:34:48Z | - |
| dc.date.available | 2022 | - |
| dc.date.available | 2026-10-13T15:34:48Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Díaz Conde, O. (2022). Desarrollo de un Sistema-Prototipo para reconocimiento y detección de placas vehiculares usando visión e inteligencia artificial para el control de ingreso al parqueadero de la Gobernación de Sucre [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11692 | es_CO |
| dc.identifier.uri | https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11692 | - |
| dc.description | Tradicionalmente los controles de entrada a parqueaderos son realizados por personal de vigilancia, lo que puede generar problemas de seguridad por errores o negligencia humana. Por esto se busca diseñar, construir y validar un sistema-prototipo que identifique placas vehiculares mediante el uso de visión e inteligencia artificial. La visión artificial permite extraer información de imágenes para tomar acciones basadas en esos datos. Para el hardware el sistema utiliza el computador de una sola placa (SBC) Raspberry Pi 3b+ en conjunto con una Pi Camera de conexión serial. En la parte de software, el procesamiento de imágenes usado para el reconocimiento está dividido en tres etapas: la detección de placas, el preprocesamiento y el reconocimiento de caracteres. Los resultados del sistema describen un porcentaje de detección de placas del 100% con un reconocimiento del 58,33% de caracteres. | es_CO |
| dc.description.abstract | Traditionally, parking lot entry controls are performed by security personnel, which can generate security problems due to human error or negligence. For this reason, we seek to design, build and validate a prototype system that identifies license plates through the use of vision and artificial intelligence. Artificial vision allows extracting information from images to take actions based on that data. Hardware wise, the system uses the Raspberry Pi 3b+ single board computer (SBC) in conjunction with a parallel-connected Pi Camera. On the software side, the image processing used for recognition is divided into three stages: plate detection, preprocessing and character recognition. The system results describe a plate detection rate of 100% and a character recognition rate of 58,33%. | es_CO |
| dc.format.extent | 47 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona - Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | Visión artificial. | es_CO |
| dc.subject | Reconocimiento de caracteres. | es_CO |
| dc.subject | Detección de placas. | es_CO |
| dc.title | Desarrollo de un Sistema-Prototipo para reconocimiento y detección de placas vehiculares usando visión e inteligencia artificial para el control de ingreso al parqueadero de la Gobernación de Sucre. | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2022 | - |
| dc.relation.references | Django Software Foundation . (s.f.). FAQ: General. Obtenido de https://docs.djangoproject.com/en/dev/faq/general/. | es_CO |
| dc.relation.references | Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., & Devin, M. (2016). TensorFlow: A System for Large-Scale. Savannah. | es_CO |
| dc.relation.references | Announcing Tesseract OCR. (2006). Obtenido de Google code updates: https://web.archive.org/web/20061026075310/http://google-codeupdates.blogspot.com/2006/08/announcing-tesseract-ocr.html. | es_CO |
| dc.relation.references | ANPR International Ltd. (s.f.). History of ANPR. Obtenido de ANPR International: http://www.anpr-international.com/history-of-anpr/. | es_CO |
| dc.relation.references | Baggio, D. L., Emami, S., Millán, D., Levgen, K., Mahmood, N., Saragih, J., & Shilkrot, R. (2012). Mastering OpenCV with Practical Computer. Birmingham: Packt Publishing Ltd. | es_CO |
| dc.relation.references | Bhuyan, M. K. (2019). Computer vision and image processing : fundamentals and applications. Boca Raton: CRC Press/Taylor & Francis Group. | es_CO |
| dc.relation.references | Cruz, J., & Rodriguez, W. (2021). Desarrollo e implementación de un sistema automático de reconocimiento de placas vehiculares. | es_CO |
| dc.relation.references | Ministerio de Transporte. (s.f.). Ficha tecnica MT 001: Placa unica nacional. Bogota D.C., Colombia. | es_CO |
| dc.relation.references | Pulli, K., Baksheev, A., Kornyakov, K., & Eruhimov, V. (2022). Realtime Computer Vision with OpenCV: Mobile computer-vision technology will soon become as ubiquitous as touch interfaces. | es_CO |
| dc.relation.references | Raspberry Pi Foundation. (s.f.). About us. Obtenido de Raspberry Pi Foundation: https://www.raspberrypi.org/about/. | es_CO |
| dc.relation.references | SQLite. (s.f.). About SQLite. Obtenido de SQlite: https://sqlite.org/about.html. | es_CO |
| dc.relation.references | Yacob, N., & Alkahtani, A. (2021). License plate recognition for campus auto-gate system. | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería Electrónica | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Díaz_2022_TG.pdf | Díaz_2022_TG | 1,14 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.