<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Sistema inteligente de detección y monitoreo de espacios de estacionamiento mediante visión por computadora y Deep learning en el campus de la Universidad Peruana Unión, Juliaca

dc.contributor.advisorCondori Coaquira, Angel Rosendo
dc.contributor.authorCcori Ccoarite, Guver Leon
dc.contributor.authorYunganina Mamani, Gary Fernando
dc.contributor.authorChambi Vilca, Jhon Alexander
dc.date.accessioned2026-11-04T14:16:11Z
dc.date.embargoEnd2027-10-07
dc.date.issued2026-10-07
dc.description.abstractLa gestión eficiente de los espacios de estacionamiento representa un desafío creciente debido al incremento del parque automotor. Este estudio presenta una evaluación comparativa de cinco arquitecturas de detección de objetos —YOLOv8s, YOLOv11s, YOLOv12s, RT-DETR-L y Faster R-CNN— para el monitoreo inteligente de la ocupación vehicular en tiempo real bajo condiciones de iluminación variables. Los modelos fueron entrenados mediante aprendizaje por transferencia utilizando un conjunto de datos personalizado de 1463 imágenes originales, ampliado a 3511 archivos y 52 664 instancias mediante aumento de datos. Se evaluaron diez experimentos independientes y seis esquemas de partición para controlar la fuga de datos. Bajo el esquema más estricto (D3), que separa las imágenes por fecha de adquisición y punto de vista de la cámara, Faster R-CNN obtuvo el mejor resultado (mAP@0.5:0.95 = 0.9325), mientras que YOLOv11s alcanzó 0.8763. En contraste, con la partición aleatoria, todos los modelos superaron 0.985, evidenciando una inversión en su clasificación de rendimiento (Spearman ρ = −0.80). Las diferencias de eficiencia computacional fueron estadísticamente significativas (H = 47.06, p < 0.001). YOLOv8s destacó por su velocidad y fue seleccionado en el 73.3 % de las ponderaciones, por lo que resultó la alternativa más adecuada para aplicaciones en tiempo real. El sistema integrado YOLOv8s + ByteTrack + FastAPI + Next.js 14 alcanzó precisiones de 87.5 % y 91.8 % durante el día y la noche, respectivamente, en 1395 observaciones de un estacionamiento universitario de Juliaca, Perú, ubicado a 3824 m s. n. m. Asimismo, YOLOv8s presentó una reducción de 0.1085 en mAP@0.5:0.95 al pasar de la partición aleatoria a la disjunta, lo que evidencia las limitaciones de generalización asociadas a configuraciones espaciales fijas. Los resultados respaldan la viabilidad de la detección basada en aprendizaje profundo para el monitoreo inteligente de estacionamientos en entornos universitarios andinos de gran altitud.
dc.description.escuelaEscuela Profesional de Ingeniería de Sistemas
dc.description.lineadeinvestigacionSistemas inteligentes
dc.description.sedeJuliaca
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12840/10895
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectDetección de objetos
dc.subjectEstacionamiento inteligente
dc.subjectYOLOv8
dc.subjectAprendizaje por transferencia
dc.subjectVisión computacional
dc.subjectMonitoreo de vehículos
dc.subjectAprendizaje profundo
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.01
dc.titleSistema inteligente de detección y monitoreo de espacios de estacionamiento mediante visión por computadora y Deep learning en el campus de la Universidad Peruana Unión, Juliaca
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni40728626
renati.advisor.orcidhttps://orcid.org/0000-0003-4681-4272
renati.author.dni60204054
renati.author.dni71950118
renati.author.dni74868952
renati.discipline61200093
renati.jurorLevano Rodriguez, Danny
renati.jurorHumpiri Flores, Milton Edward
renati.jurorTocto Cano, Esteban
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitectura
thesis.degree.nameIngeniero de Sistemas
upeu.programa.pxxP27
upeu.programa.urihttp://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Gary_Tesis_Licenciatura_2026.pdf
Tamaño:
259,54 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Autorización_de_Publicación.pdf
Tamaño:
419,51 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Reporte_de_Similitud.pdf
Tamaño:
799,88 KB
Formato:
Adobe Portable Document Format