Tecnología que ve lo que otros no pueden

Nuestro sistema es capaz de procesar imágenes en movimiento a la velocidad necesaria para las aplicaciones de reconocimiento de matrículas (40-60 fps) en tiempo real, reconociendo matrículas persas en entornos de baja iluminación tanto sobre dispositivos móviles como de forma fija. El método desarrollado y los modelos están optimizados para que todo el proceso de identificación y reconocimiento se realice, de forma indistinta, con una arquitectura de requisitos mínimos fácilmente alcanzable y que puede ser cubierta con productos de relativo bajo coste como por ejemplo una Raspberry Pi 4 o dispositivos móviles como por ejemplo un móvil Blackview BV9700. Además, nuestro método aprovecha aceleradores hardware como puedan ser GPUs o procesadores optimizados para IA (Inteligencia Artificial) que estén disponibles en el dispositivo. 

Los sistemas de reconocimiento de imágenes de matrículas actuales se ejecutan en dispositivos (cámaras, equipos de transmisión de datos, sistemas de almacenamiento, etc.) basados en agentes (pequeñas piezas descentralizadas de software) capaces de grabar las imágenes en movimiento y enviarlas, a través de la red de comunicaciones, a un sistema de reconocimiento central (ordenador servidor con altas capacidades de computación para poder procesar las imágenes). Estas soluciones son Sistemas Distribuidos, en los cuales hay múltiples dispositivos interconectados por una red de comunicaciones propia o Internet, con capacidad de cooperar en la solución del problema mediante el intercambio de mensajes, a la vez que conservan su autonomía (memoria y procesador propios).

Con esta solución se realiza la detección de matrículas basadas en caracteres persa que funciona de forma autónoma en dispositivos móviles sin necesidad de estar conectado a una red de comunicaciones. La característica fundamental que distingue el producto con respecto a otros existentes en el mercado, radica en la capacidad del dispositivo de detectar y reconocer la matrícula  de forma totalmente autónoma, desconectado de Internet, con un consumo óptimo de energía, con una eficacia, como explicamos en éste documento, entre el 90 y 95% .El método se basa en varias optimizaciones en los modelos de inteligencia artificial que utiliza, para aprovechar los aceleradores de hardware del dispositivo, es decir su procesador y unidad gráfica.