Caso de estudio
Sistema de visión por computador que, a partir del vídeo de una cámara aeroportuaria, identifica en tiempo real la aerolínea, el tipo de aeronave y la matrícula de cada avión visible, con confirmación cruzada contra base de datos real de operadores.
La propiedad intelectual del proyecto pertenece a Indra. El código fuente no se publica — esta página muestra únicamente resultados, métricas y materiales presentables.
00 · Resumen
Un único pipeline GPU recibe vídeo y devuelve, frame a frame, qué aerolínea opera cada aeronave, qué tipo de aeronave es y cuál es su matrícula. Cruza la lectura con una base de datos real de 7363 matrículas para validar la coherencia operador↔aerolínea.
01 · Clasificación de tipo
El modelo M2 (EfficientNet finetuneado) recibe un recorte de la aeronave detectada y devuelve un ranking de probabilidades sobre el catálogo de tipos. Solo se acepta la predicción si supera umbrales de confianza y consistencia temporal.
02 · Explicabilidad
Los mapas de calor confirman que la red atiende a las zonas semánticamente relevantes — fuselaje, cola, motores — y no a artefactos del fondo. Una herramienta clave para depurar errores durante el entrenamiento.
03 · OCR de matrícula
Un YOLO dedicado localiza la matrícula incluso a baja resolución (38×24 px). Tras un upscale optimizado, EasyOCR/PaddleOCR la lee con votación temporal y corrección regex. La lectura solo se fija tras varias coincidencias consecutivas con alta confianza.
04 · Dataset sintético
Microsoft Flight Simulator 2020 + SimConnect + FSLTL como generador masivo: 42 combinaciones por aerolínea (clima × hora × estado × librea). Etiquetado automático en el nombre de archivo, listas para entrenamiento sin intervención manual.
05 · Captura orbital
Cada aeronave spawneada se captura desde múltiples ángulos siguiendo una curva orbital paramétrica, lo que multiplica el número de muestras útiles por minuto de simulación y previene el sobreajuste a vistas frontales.
06 · Inferencia real · British Airways
El sistema mantiene un ID estable a través de la aproximación, recupera la identidad si el avión se sale momentáneamente del frame y aporta la matrícula tan pronto como la resolución lo permite.
07 · Inferencia real · Ryanair
El tracker YOLO11s no se "rompe" con paneos bruscos o cambios de zoom de la fuente. El consenso multi-modelo absorbe oscilaciones de confianza entre frames.
08 · Inferencia real · easyJet
La votación temporal mantiene la predicción correcta incluso cuando los identificadores visibles se ocultan parcialmente tras estructuras del aeropuerto u otras aeronaves.
09 · Evaluación
La matriz de confusión sobre el conjunto de validación muestra una diagonal casi perfecta a lo largo de las 23 aerolíneas evaluadas. El modelo distingue librea, no se limita a memorizar fondos.