- Junto a la empresa chilena Techvial, el Centro desarrollará una capa de software basada en Inteligencia Artificial que mejora la precisión con que las cámaras de fiscalización leen las placas patentes, sugiere completaciones cuando la lectura es parcial y habilita búsquedas avanzadas en grandes bases de datos de video. La iniciativa se enmarca en la implementación de la Ley CATI.
El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó un proyecto en el concurso FONDEF IDeA I+D 2026 de ANID, convocatoria que este año recibió 871 postulaciones y seleccionó 102 iniciativas a nivel nacional —cerca del 12% de las propuestas presentadas—, orientadas a desarrollar tecnologías con potencial de transferencia al sector productivo, público o social.
El proyecto adjudicado, “Plataforma Inteligente de Fiscalización Vial: Módulos de IA para Robustecer la Lectura y Búsqueda de Patentes Vehiculares”, será ejecutado por CENIA como entidad beneficiaria en colaboración con Techvial Chile SpA como entidad asociada, durante un plazo de 24 meses.
Un problema público: fiscalizar mejor para salvar vidas
Cerca del 30% de las víctimas fatales en siniestros viales en Chile se asocia a velocidad imprudente o pérdida de control, y hasta hace poco la fiscalización se realizaba de forma prácticamente manual, con una cobertura muy limitada. La Ley N°21.549, que crea el Centro Automatizado de Tratamiento de Infracciones (CATI), cambió ese escenario al habilitar la detección, notificación y tramitación electrónica de infracciones mediante dispositivos señalizados en los puntos de mayor riesgo.
Ese salto normativo trae consigo una exigencia técnica: la evidencia debe ser confiable y trazable. Y ahí persisten dos cuellos de botella. El primero es la precisión del reconocimiento automático de patentes vehiculares (ALPR) en condiciones reales: de noche, con lluvia, reflejos, ángulos oblicuos o placas sucias y deterioradas, los sistemas pueden producir errores que debilitan la validez probatoria de una infracción. El segundo es la capacidad de consulta: las plataformas actuales suelen permitir búsquedas solo por coincidencia exacta de patente, mientras que en la práctica las autoridades trabajan con información parcial: algunos caracteres, el color o la marca del vehículo, una ventana de tiempo y lugar.
“El dato base de todo el sistema es simple: que la patente esté bien leída. Si ese dato falla, falla la notificación, falla la evidencia y falla la confianza de la ciudadanía en el sistema. Nuestro aporte es una capa de Inteligencia Artificial que verifica, corrige y aprende de sus propios errores en condiciones reales chilenas”, explica Francesca Lucchini, directora del proyecto y líder tecnológica de CENIA.
Una capa de software, tres módulos
La propuesta no reemplaza el hardware ya instalado: trabaja sobre los mismos insumos que las cámaras ya generan —foto infrarroja de la placa, imágenes a color y video de contexto— y agrega sobre ellos una capa de software agnóstica de cámara, que se integrará en la plataforma web de movilidad de Techvial (www.techvial.cl). El desarrollo contempla tres módulos:
1. Verificación avanzada o “double-check”. Una segunda capa de verificación que combina distintos algoritmos de reconocimiento óptico de caracteres (OCR) y concilia sus resultados, bajo la hipótesis de que sus errores no están correlacionados. Incorpora además un flujo de etiquetado continuo con aprendizaje activo: los casos difíciles —lecturas de baja confianza o discrepancias entre motores— se priorizan para revisión y reentrenamiento, de modo que el sistema se adapte a las condiciones visuales del país en lugar de quedar congelado en una versión inicial.
2. Sugerencia inteligente para placas parciales. Cuando la lectura queda incompleta, este módulo propone completaciones plausibles combinando los caracteres disponibles con atributos visuales del vehículo (por ejemplo: marca, modelo, color, tipo), ordenadas por probabilidad.
3. Búsqueda avanzada en bases de video. Un índice unificado que permite consultar grandes volúmenes de datos mediante texto libre, atributos vehiculares, imágenes de referencia y filtros espacio-temporales, para localizar vehículos de interés aun con información incierta o fragmentaria.
Del laboratorio a la validación en entorno real: TRL 7
El proyecto parte de prototipos ya funcionales en laboratorio (TRL 4-5) y se propone llevar el sistema completo a TRL 7, es decir, validado en entorno operacional real. El plan de trabajo contempla una primera etapa de consolidación y validación en laboratorio con datasets nacionales, y una segunda de integración en la plataforma de Techvial y pilotos en terreno con al menos siete cámaras certificadas, lo que permitirá evaluar el desempeño de día y de noche y bajo condiciones meteorológicas adversas.
El desempeño se medirá con métricas verificables —por ejemplo, tasa de error por carácter (CER) y métricas TopK—, junto con un pipeline de datos con anonimización y control de calidad, alineado con los resguardos de privacidad que exige la normativa vigente.
Colaboración con Techvial
Techvial es una empresa chilena fundada en 2014, especializada en seguridad vial y en sistemas de gestión del proceso de fiscalización a partir de cámaras inteligentes, con experiencia en pilotos de fiscalización automatizada desarrollados junto al Ministerio de Transportes y Telecomunicaciones en distintas comunas del país.
En este proyecto, Techvial aporta la plataforma base, el entorno de integración y el acceso a escenarios operacionales reales, mientras CENIA lidera el desarrollo de los modelos de Inteligencia Artificial, el diseño experimental y la validación científica.
“Llevamos años trabajando en terreno con la operación real de la fiscalización automatizada. Sumar la capacidad científica de CENIA nos permite abordar los problemas más difíciles —los casos límite, las lecturas que hoy se pierden— con investigación aplicada de frontera y validación rigurosa”, señala Luis Cerda, Chief Executive Officer de Techvial.
Formación de capital humano y proyección
El proyecto contempla la incorporación de estudiantes que desarrollarán sus tesis en el marco de la iniciativa, en temas de mejora de precisión en OCR mediante ensambles y aprendizaje activo, y de recuperación multimodal de vehículos en video, con supervisión de CENIA y co-tutoría técnica del equipo de ingeniería de Techvial.
Al ser una solución agnóstica de hardware, la tecnología puede integrarse sobre infraestructura ya instalada, reduciendo costos de adopción y evitando la dependencia de un único proveedor. Su validación en el contexto chileno abre además una proyección regional, en países que enfrentan desafíos equivalentes de precisión y adaptación local en sus sistemas de fiscalización.
El equipo del proyecto está conformado por Francesca Lucchini, directora del proyecto y líder tecnológica de CENIA, y Hans Lobel, investigador de CENIA y académico de la Pontificia Universidad Católica de Chile. Por parte de Techvial participan Luis Cerda y Gabriel Barreto. El equipo se completa con profesionales de investigación e ingeniería de Machine Learning de CENIA.
Sitio web de Techvial: https://www.techvial.cl/
