Análisis
O o cero, B u ocho: auditoría sintética de errores de lectura de patentes
Un corpus artificial permite medir confusiones entre caracteres sin exponer dominios reales ni convertir una prueba de laboratorio en una tasa de error de producción.
Una lectura automática puede devolver una cadena perfectamente formada y, aun así, equivocarse en un carácter. O y cero, B y ocho, o I y uno son pares visualmente cercanos cuando la imagen llega inclinada, comprimida o con poco contraste. Para estudiar ese problema no hace falta reunir fotos de vehículos reales.
Un corpus sintético permite repetir la prueba, conocer la respuesta correcta y publicar exactamente qué cambió entre una ejecución y otra. También impone una frontera importante: mide el laboratorio diseñado, no todas las cámaras ni todas las patentes que circulan en Argentina.
Qué significa una confusión visual
No alcanza con saber que el texto final es inválido. La auditoría debe ubicar la posición, el carácter esperado y el carácter observado. Si una cadena artificial contiene un cero en la cuarta posición y el lector devuelve una O, ése es un error de sustitución. Si omite el carácter, es una eliminación; si agrega otro, una inserción.
Separar esos casos evita agrupar bajo “OCR incorrecto” problemas distintos. Una regla de formato puede detectar una longitud imposible, pero no necesariamente una sustitución que conserva una combinación plausible.
Por qué usamos placas artificiales
Una foto de calle puede incluir dominio, rostro, ubicación o contexto de una persona. Aunque se recorte, conserva un identificador que no necesitamos para evaluar el algoritmo. En cambio, una escena construida para la prueba parte de una semilla conocida y de caracteres que no se consultan contra ningún registro.
Las especificaciones oficiales de la placa Mercosur documentan dimensiones, siete caracteres y tipografía FE Engschrift. Esos parámetros sirven para crear una base visual realista sin copiar un dominio fotografiado. Luego se marcan los archivos como sintéticos para impedir que alguien los confunda con evidencia vial.
Cómo se arma el corpus
El conjunto inicial equilibra cada carácter objetivo y su par confundible. No conviene llenar la prueba con miles de letras fáciles y apenas dos casos de O/cero: una precisión global alta ocultaría justamente el error buscado.
Por cada base guardamos:
- semilla y versión del generador;
- cadena esperada y posición evaluada;
- familia tipográfica y dimensiones;
- fondo, contraste y nivel de ruido;
- transformaciones aplicadas;
- hash del archivo resultante.
La cadena completa no debe coincidir con un caso tomado de producción. Si el generador admite una lista de exclusión, ésta se arma sin consultar personas: bloquea patrones reservados para la documentación y combinaciones usadas por los propios fixtures.
Transformaciones, una por vez
Primero se obtiene una línea base nítida. Después se introducen desenfoque, perspectiva, sombra, sobreexposición, reflejo y compresión. Una serie cambia sólo una variable; otra puede combinar dos para estudiar interacción.
Ese orden es clave. Si una imagen tiene ángulo extremo, lluvia, baja resolución y suciedad a la vez, el fallo es visible pero no explica qué condición lo provocó. Con niveles graduados se puede encontrar el punto en que cada método empieza a degradarse.
Dos lectores bajo la misma regla
Comparar métodos exige congelar preprocesamiento, vocabulario permitido y criterio de normalización. No sería justo corregir manualmente la salida de uno y medir la salida cruda del otro.
Cada ejecución registra versión del motor, configuración, tiempo y resultado original. Después una función común alinea caracteres y calcula matriz de confusión, tasa de sustitución por par y proporción de secuencias completas correctas. Los intervalos se informan junto con el número de casos, no como decimales sin muestra.
Qué errores merecen revisión humana
Una señal útil no decide que una infracción sea correcta o incorrecta. Puede marcar que el dominio leído tiene baja confianza, que dos motores discrepan o que una transformación conocida aumenta la confusión. La revisión vuelve entonces a la imagen oficial y al resto del acta.
Fecha, lugar, marca o tipo de vehículo pueden aportar contexto, pero no se usan para “arreglar” silenciosamente un carácter. Si existe una corrección, debe quedar el valor original, la regla aplicada y quién la confirmó.
Cómo publicar el resultado sin exagerarlo
El informe nombra el corpus, sus semillas, cantidad de casos y transformaciones. Una frase responsable sería: “en este conjunto sintético, con esta versión y este nivel de desenfoque”. No corresponde escribir “el OCR falla X% de las patentes argentinas”.
También se publican ejemplos artificiales de falsos positivos y falsos negativos. Eso permite reproducir la medición y discutir si la dificultad elegida representa un riesgo razonable.
De la auditoría al descargo
Si una persona ve que el dominio de un acta no coincide, debe comparar la evidencia original y usar el canal del juzgado competente. El experimento técnico puede explicar por qué conviene revisar caracteres ambiguos, pero no sustituye una presentación ni prueba que ese expediente pasó por el mismo lector.
En multas.ar preservamos el dato de la fuente y evitamos corregirlo sin trazabilidad. La utilidad del método está en detectar dónde mirar, mantener el valor original y hacer reproducible cualquier transformación posterior.
Preguntas frecuentes
¿El experimento usa fotos de patentes reales?
No. Las imágenes se construyen desde combinaciones artificiales y no se vinculan con vehículos, titulares, actas ni consultas de usuarios.
¿Una confusión del OCR invalida automáticamente una multa?
No. La validez de un acta depende del expediente y de la autoridad competente. El ensayo sólo ayuda a identificar un riesgo técnico que merece revisión.
¿La tasa del laboratorio representa toda la producción?
No. Se informa únicamente para las fuentes, transformaciones y versiones probadas. Una muestra sintética no estima por sí sola el desempeño en calles reales.
Fuentes consultadas 4 referencias
- Especificaciones técnicas de la placa Mercosur (abre en una pestaña nueva) — Argentina.gob.arConsultada el
- Resolución sobre la patente única Mercosur (abre en una pestaña nueva) — Mercosur y Argentina.gob.arConsultada el
- Tesseract OCR documentation (abre en una pestaña nueva) — Tesseract OCRConsultada el
- Unicode Security Mechanisms (abre en una pestaña nueva) — Unicode ConsortiumConsultada el
Datos y metodología
- Alcance de la nota
- Ensayo reproducible de confusiones alfanuméricas sobre placas sintéticas compatibles con proporciones documentadas para Argentina.
- Unidad de análisis
- Carácter esperado y carácter devuelto por cada versión del lector en una transformación determinada.
- Cobertura
- Corpus artificial con semillas, tipografía, iluminación, desenfoque, perspectiva y compresión versionados; sin dominios de producción.
Limitaciones
- Las escenas sintéticas no reproducen toda la variabilidad de cámaras, suciedad, daños y clima del tránsito real.
- Los resultados no permiten atribuir un error a un acta concreta ni reemplazan la revisión de la evidencia oficial.
Fecha declarada del contenido: . La fecha de consulta no reemplaza la vigencia de la norma ni una revisión independiente.
Notas relacionadas
Patente o DNI: qué cobertura real tiene cada forma de consulta
Qué cambia al consultar multas por patente, DNI o CUIT y cómo combinar las búsquedas sin confundir personas, vehículos ni organismos.
Cómo detectamos actas repetidas sin unir infracciones distintas
Deduplicar no es borrar filas parecidas. La fuente, el identificador, el hecho y las contradicciones forman una decisión conservadora que debe conservar trazabilidad.
Las 10 infracciones más frecuentes en Argentina y cuánto cuesta cada una en UF y en pesos (2026)
Velocidad, estacionamiento, VTV, seguro, licencia, cinturón, casco, semáforo, celular y alcoholemia: diez faltas ordenadas según el registro nacional del SINAI, con su escala en UF en Nación, Provincia y CABA y el importe en pesos de hoy.