Sistema de reconocimiento de placas de rodaje para la identificación de vehículos con infracciones en la Municipalidad Provincial de Lambayeque

Abstract

Esta investigación abordó la problemática del sistema de registro y seguimiento de infracciones vehiculares en la Municipalidad Provincial de Lambayeque, donde se identificaron deficiencias significativas en el depósito vehicular. El análisis reveló que el depósito se caracterizaba por un manejo ineficiente de los registros, con un sistema basado en anotaciones manuales que comprometía la legibilidad, la organización y la seguridad de la información. Se detectó la necesidad crítica de digitalizar el proceso y adoptar un enfoque más estructurado para la gestión de datos. Con la implementación de un sistema que integra una interfaz web de usuario, una base de datos robusta y una API con un modelo de machine learning para el reconocimiento de placas de rodaje, se realizaron pruebas para evaluar su eficacia. Las pruebas experimentales mostraron que el sistema era capaz de identificar correctamente las placas de rodaje en la mayoría de los casos. Sin embargo, también se evidenció un margen de error en situaciones donde las placas estaban dañadas o desgastadas, resaltando la necesidad de optimización continua. Las pruebas confirmaron la viabilidad del sistema para mejorar la eficiencia operativa del depósito vehicular. Se logró un reconocimiento efectivo de las placas registradas en la base de datos y se estableció un precedente para la mejora continua mediante la integración tecnológica

This investigation addressed the problem of the system for recording and tracking vehicle violations in the Provincial Municipality of Lambayeque, where significant deficiencies were identified in the vehicle depository. The analysis revealed that the vehicle deposit was characterized by inefficient management of records, with a system based on manual annotations that compromised the legibility, organization and security of the information. A critical need was identified to digitize the process and adopt a more structured approach to data management. With the implementation of a system that integrates a web user interface, a robust database and an API with a machine learning model for license plate recognition, tests were conducted to evaluate its effectiveness. Experimental tests showed that the system was able to correctly identify license plates in most cases. However, a margin of error was also evident in situations where the plates were damaged or worn, highlighting the need for continuous optimization. The tests confirmed the feasibility of the system to improve the operational efficiency of the vehicle depot. Effective recognition of plates registered in the database was achieved and a precedent for continuous improvement through technology integration was established