Avaliação de Desempenho entre Bibliotecas Populares no Reconhecimento Digital de Placas

• Rafael Garay Trindade UNIPAMPA
• Claudio Schepke UNIPAMPA

DOI: https://doi.org/10.5753/eradrs.2026.21364

Resumo

Este trabalho avalia diversas abordagens para detecção e reconhecimento de placas de veículos utilizando bibliotecas populares. Ferramentas como Google Cloud Vision, OpenCV com Pytesseract e YOLOv8 são comparadas em relação à eficiência e precisão. Os resultados demonstram a influência significativa da qualidade das imagens e das condições de iluminação no desempenho dos métodos avaliados.

Referências

Figueroa, F. T. (2025). Automatic number plate recognition with Python, Yolov8 and EasyOCR — Computer vision tutorial. [link].

Google, Inc. (2025). Documentação da API Cloud Vision. [link].

OpenCV team (2025). OpenCV is the world’s biggest computer vision library. [link].

Python Software Foundation (2025). pytesseract 0.3.13. [link].

Roboflow, Inc. (2025). Explore Ultralytics YOLOv8. [link].