Look-up in Google Scholar
Full metadata record
Huamaní Navarrete, Pedro Freddy
Ramirez Mejía, Brayan De Jesús
Tito Apaza, Mack Rolly
2021-05-14T05:24:33Z
2021-05-14T05:24:33Z
2020
https://hdl.handle.net/20.500.14138/3646
Las redes neuronales convolucionales (CNN) han tenido una gran evolución en su aplicación para la detección de imágenes, lo cual ha ayudado en la resolución de problemas que anteriormente se volvían complejos, aplicándose mayormente en sistemas de reconocimiento facial y de reconocimiento de placas vehiculares en bancos y centros comerciales que cuentan con un control de aforo vehicular. Por ello, se simuló el reconocimiento automático de placas de rodaje utilizando una CNN para el ingreso de vehículos en la Universidad Ricardo Palma. En primer lugar, se realizó la toma de fotografías de placas vehiculares para el entrenamiento de tres modelos de red, estos modelos fueron entrenados y evaluados con tres, cinco y ocho capas intermedias respectivamente, a través del Toolbox Deep Learning del Matlab, con seiscientas imágenes de placas vehiculares, pertenecientes a veinte vehículos, donde cuatrocientas cuarenta imágenes fueron para el entrenamiento interno de las CNNs y ciento sesenta para la validación de las mismas. A continuación, se corroboró la efectividad de las redes, obteniendo respectivamente en el primer, segundo y tercer modelo un porcentaje de efectividad del 40%, 75% y 95%. Con ese resultado, se eligió el tercer modelo de CNN para el reconocimiento de las placas vehiculares. Seguidamente, se procedió con la creación de la interfaz del proyecto a través del gadget App Designer y la creación de la base de datos con el software SQLite. Finalmente, se validó el funcionamiento del tercer modelo de red neuronal convolucional, logrando el correcto reconocimiento de las placas vehiculares. (es_ES)
Submitted by Hidalgo Alvarez Jofre (jhidalgoa@urp.edu.pe) on 2021-05-14T05:24:33Z No. of bitstreams: 1 ELEC-T030_46063228_T TITO APAZA MACK ROLLY.pdf: 2510455 bytes, checksum: 4ec04ac3601bbfcc749ed3f4654c69b1 (MD5) (es_ES)
Made available in DSpace on 2021-05-14T05:24:33Z (GMT). No. of bitstreams: 1 ELEC-T030_46063228_T TITO APAZA MACK ROLLY.pdf: 2510455 bytes, checksum: 4ec04ac3601bbfcc749ed3f4654c69b1 (MD5) Previous issue date: 2020 (es_ES)
Tesis (es_ES)
application/pdf
spa
Universidad Ricardo Palma - URP (es_ES)
info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio Institucional - URP (es_ES)
Red neuronal convolucional (es_ES)
Matlab (es_ES)
Toolbox Deep Learning (es_ES)
App Designer (es_ES)
SQLite (es_ES)
Reconocimiento automático de placas de rodaje utilizando una red neuronal convolucional para el ingreso de vehículos en la Universidad Ricardo Palma (es_ES)
info:eu-repo/semantics/bachelorThesis
Universidad Ricardo Palma. Facultad de Ingeniería. Escuela Profesional de Ingeniería Electrónica (es_ES)
Ingeniería Electrónica (es_ES)
Título Profesional (es_ES)
Ingeniero Electrónico (es_ES)
PE (es_ES)
https://purl.org/pe-repo/ocde/ford#2.02.00
Ingeniería Electrónica (es_ES)
https://purl.org/pe-repo/renati/nivel#tituloProfesional
10032682
https://orcid.org/0000-0002-3753-9777
71267749
46063228
712026
Chong Rodríguez, Humberto
Sánchez Bravo, Miguel Ángel
Gónzales Prado, Julio César
https://purl.org/pe-repo/renati/type#tesis
Privada asociativa
info:eu-repo/semantics/publishedVersion



This item is licensed under a Creative Commons License Creative Commons