Modelo de visión computacional basado en YOLO y OCR para la identificación de taxis informales en la ciudad de Puno

Abstract

La informalidad laboral se ha convertido en una problemática creciente y persistente en el sector del transporte urbano de la ciudad de Puno. Esta situación genera efectos adversos, tales como el incremento de la inseguridad ciudadana y la competencia inequitativa frente al sector legal. En este contexto, el objetivo de esta investigación fue desarrollar un modelo de visión computacional basado en YOLO (You Only Look Once) y OCR (Optical Character Recognition) para identificar de manera rápida y precisa los taxis informales que operan en la ciudad de Puno. Para ello, se adoptó una metodología de tipo aplicada, con enfoque cuantitativo y diseño preexperimental. En la primera fase, se construyeron dos datasets: el primero compuesto por 2000 imágenes de taxis y el segundo por 1000 imágenes de placas vehiculares, cada una dividida en 80% para entrenamiento y 20% para validación. Como resultado, se obtuvieron dos modelos de detección: el primero, enfocado en la identificación de taxis, alcanzó una precisión de 98.47%, un recall de 97.77% y un F1-score de 98.11%, mientras que el segundo, orientado a la detección de placas vehiculares, obtuvo una precisión de 98.44%, un recall de 99.66% y un F1-score de 99.29%. La gestión y almacenamiento de datos se realizó mediante el motor de base de datos SQLite. Adicionalmente, se efectuó una comparación entre tres librerías de OCR y YOLO como técnica de extracción de caracteres, seleccionando esta última debido a su destacado desempeño al integrarse con el modelo general, alcanzando una exactitud de 95.33% frente a las demás alternativas. Finalmente, estos resultados permitieron concluir que el modelo propuesto detecta con una alta efectividad los vehículos informales que prestan el servicio de taxi en la ciudad de Puno.