Reconocimiento Automático de Placas Vehiculares y de Motocicletas Peruanas en Entornos Andinos No Controlados Mediante YOLOv10n y PaddleOCR

Abstract

Este trabajo presenta un modelo de Reconocimiento Automático de Placas (ALPR) concebido para los entornos no controlados de Juliaca y Arequipa, en el sur del Perú, donde el polvo, la lluvia, la escasa iluminación y el tamaño reducido de las placas de motocicleta suelen hacer fracasar a los sistemas convencionales. Se construyó un conjunto de datos propio de aproximadamente 16 900 imágenes de automóviles y motocicletas, etiquetadas por tipo de placa y condición ambiental, y ampliadas mediante Roboflow. De las tres variantes de YOLO puestas a prueba (YOLOv8n, YOLOv8s y YOLOv10n) se eligió YOLOv10n, por ser la que mejor equilibra exactitud y latencia en tiempo real. Las regiones de placa detectadas pasan por una canalización OCR modular que aplica binarización adaptativa, corrección de inclinación y reducción de ruido antes de entregar la imagen a un motor PaddleOCR ajustado a los formatos peruanos (ABC-123 para automóviles y AB-1234 para motocicletas). El sistema integrado alcanzó mAP@50 = 0,896 y mAP@50-95 = 0,744, con latencias del orden de milisegundos por imagen, lo que permite su operación en tiempo real. La validación se realizó en escenarios diurnos, nocturnos y con varios vehículos en escena, y confirma tanto la robustez del modelo como su utilidad para el control de tránsito en ciudades peruanas.