ESTUDO EXPLORATÓRIO DA APLICAÇÃO DO EASYOCR NO RECONHECIMENTO DE PLACAS VEICULARES NOS PADRÕES NACIONAL E MERCOSUL
DOI:
https://doi.org/10.30681/recet.v3i.15124Palavras-chave:
Placas veiculares, EasyOCR, Sistemas inteligentes de transporte, MERCOSULResumo
O reconhecimento óptico de caracteres (OCR) aplicado à identificação de placas veiculares é tecnologia relevante para sistemas inteligentes de transporte (ITS) no Brasil. Este trabalho apresenta um estudo exploratório da aplicação da biblioteca EasyOCR, combinada com OpenCV, no reconhecimento de placas brasileiras nos padrões nacional e MERCOSUL. O experimento foi conduzido com seis placas, obtendo-se taxas de confiança entre 0,11 e 0,98 e taxa de acerto de 66,67%. Os resultados indicam desempenho superior para o padrão nacional, com dificuldades na distinção entre caracteres similares como "O"/"0" e "B"/"8". Contextualizado frente a estudos comparativos com o Tesseract OCR, o EasyOCR mostrou-se mais adequado para imagens de qualidade variável. Os achados fornecem indícios preliminares sobre variáveis que influenciam a precisão do reconhecimento automático de placas e subsidiam investigações futuras com amostras mais amplas.
Downloads
Referências
Agresti, A., & Coull, B. A. (1998). Approximate Is Better than “Exact” for Interval Estimation of Binomial Proportions. The American Statistician, 52(2), 119–126. https://doi.org/10.1080/00031305.1998.10480550
Baek, Y., Lee, B., Han, D., Yun, S., & Lee, H. (2019). Character Region Awareness for Text Detection. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9365–9374.
Bernardi, E. (2015). Os sistemas de identificação veicular, em especial o reconhecimento automático de placas [tese de mestrado, Universidade de São Paulo]. http://www.teses.usp.br/teses/disponiveis/3/3138/tde-11052016-162646/
Brasil. Departamento Nacional de Infraestrutura de Transportes. (2025). Portal de Multas de Trânsito. https://servicos.dnit.gov.br/multas/informacoes/equipamentos-fiscalizacao
Bruning, D. (2024). Aprendizado por transferência aplicado na detecção de placas de licenciamento de veículos. https://repositorio.ucs.br/11338/13641
Duenas Salazar, J. A. (2017). Reconhecimento automático de placas veiculares brasileiras em ambientes não controlados [Dissertação (Mestrado em Engenharia de Automação e Sistemas)]. Universidade Federal de Santa Catarina. https://repositorio.ufsc.br/handle/123456789/186149
El Harraj, A., & Raisouni, N. (2015). OCR accuracy improvement on document images through a novel pre-processing approach. https://arxiv.org/abs/1509.03456
Embarcados. (2024). Modelo para identificação dos caracteres da placa [Acesso em: 18 abr. 2026]. https://embarcados.com.br/modelo-para-identificacao-dos-caracteres-da-placa/
G1. (2024). Consórcio vence leilão de concessão de rodovias que prevê pedágios no Alto Tietê e litoral paulista. https://g1.globo.com/sp/mogi-das-cruzes-suzano/noticia/2024/04/16/consorcio-vence-leilao-de-concessao-de-rodovias-que-preve-pedagios-no-alto-tiete-e-litoral-paulista.ghtml
Glasenapp, L. A., Hoppe, A. F., Wisintainer, M. A., Sartori, A., & Stefenon, S. F. (2023). OCR Applied for Identification of Vehicles with Irregular Documentation Using IoT. Electronics, 12(5), 1083. https://doi.org/10.3390/electronics12051083
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. https://www.deeplearningbook.org
Impedovo, S., Ottaviano, L., & Occhinegro, S. (1991). Optical character recognition – A survey. International Journal of Pattern Recognition and Artificial Intelligence, 5(1–2), 1–24. https://doi.org/10.1142/S0218001491000028
Instituto Nacional de Metrologia, Qualidade e Tecnologia. (2025). PSIE - Portal de Serviços: Quais os requisitos específicos mínimos dos sistemas de livre passagem (free flow). https://www.gov.br/inmetro/pt-br/acesso-a-informacao/perguntas-frequentes/avaliacao-da-conformidade/sistemas-automatico-nao-metrologicos-de-fiscalizacao-de-transito/quais-os-requisitos-especificos-minimos-dos-sistemas-de-livre-passagem-free-flow
JaidedAI. (2020). EasyOCR: Ready-to-use OCR with 80+ supported languages. https://github.com/JaidedAI/EasyOCR
LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791
Montazzolli, S., & Jung, C. (2017). Real-time Brazilian license plate detection and recognition using deep convolutional neural networks (30ª ed.). Anais da SIBGRAPI – Conference on Graphics, Patterns and Images, 55–62. https://doi.org/10.1109/SIBGRAPI.2017.14
Mori, S., Nishida, H., & Yamada, H. (1999). Optical Character Recognition. John Wiley & Sons.
Morris, A. C., Maier, V., & Green, P. (2004). From WER and RIL to MER and WIL: improved evaluation measures for connected speech recognition. Proceedings of the 8th International Conference on Spoken Language Processing (INTERSPEECH), 2765–2768.
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. https://doi.org/10.1109/CVPR.2016.91
Santos, H. H. d. (2024). Desenvolvimento de um sistema embarcado de reconhecimento automático de placas automotivas para gerenciamento de tráfego. https://repositorio.ufu.br/handle/123456789/41685
Singh, A. R., Nihaya, U., & Yuadi, I. (2024). Text Recognition for Library Collection in Different Light Conditions. TEM Journal, 13(1), 266–276. https://www.ceeol.com/search/article-detail?id=1222876
Soares, F., Fernandes, L., Da Rocha, A., Rego, P., Maia, J., & De Souza, J. (2020). Avaliação de Desempenho de Computadores Raspberry Pi com Algoritmos para o Reconhecimento Automático de Placas Veiculares (10ª ed.). Anais do Simpósio Brasileiro de Engenharia de Sistemas Computacionais (SBESC), 33–40. https://doi.org/10.5753/sbesc_estendido.2020.13088
Sussman, J. M. (2005). Perspectives on Intelligent Transportation Systems (ITS). Springer. https://doi.org/10.1007/b100342
Vargas Neto, A. d. S. (2023). Reconhecimento automático de placas veiculares do Mercosul utilizando o Tesseract OCR. https://repositorio.ifes.edu.br/handle/123456789/3671
Vedhaviyassh, D. R., Sudhan, R., Saranya, G., Safa, M., & Arun, D. (2022). Comparative analysis of EasyOCR and TesseractOCR for automatic license plate recognition using deep learning algorithm (6ª ed.). Anais da International Conference on Electronics, Communication and Aerospace Technology (ICECA), 966–971. https://doi.org/10.1109/ICECA55336.2022.10009215
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 RECET - Revista de Ciências Exatas e Tecnológicas
Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.
