Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Barrero Pérez, Jaime GuillermoFontalvo Núñez, Luis DavidSandoval Sandoval, Kevin Javier2024-07-082024-07-082024-05-152024-05-15https://noesis.uis.edu.co/handle/20.500.14071/43671Este proyecto se enfoca en el diseño de un sistema económico y eficiente para medir la velocidad de vehículos utilizando procesamiento de imágenes e inteligencia artificial. Se investigaron redes neuronales y sistemas embebidos, eligiendo la AMB82 MINI por su bajo costo y compatibilidad con el entorno de Arduino, en comparación con la Raspberry Pi 4 B y la Jetson Nano. El sistema implementa detección de vehículos en tiempo real mediante el modelo YOLOv4 Tiny entrenado con un conjunto de datos personalizado. Se desarrolló un algoritmo de análisis de movimiento para estimar la velocidad de los vehículos detectados. El desarrollo del código incluyó la configuración inicial, el bucle principal y funciones de apoyo. Cuando se detecta un vehículo que excede el límite de velocidad, se captura una imagen que muestra el vehículo y su velocidad estimada. La imagen se envía a Google Drive mediante codificación base64 y URL. Utilizando Google Apps Script e IFTTT, se notifican los excesos de velocidad a través de Telegram. El sistema fue validado en pruebas de tráfico diurno en una zona de detección de quince metros, obteniendo un error promedio en las mediciones de 4.2945%.application/pdfspainfo:eu-repo/semantics/openAccessSeguimiento de objetosAutomóvilRedes neuronalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coObject trackingCarNeural networkshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)