Resumo: Este trabalho propõe um sistema automatizado para identificação de vagões ferroviários através de visão computacional, endereçando um desafio crítico na gestão logística brasileira. A solução implementa um pipeline que combina o modelo YOLOv8-OBB para detecção precisa de códigos alfanuméricos em imagens anguladas, com múltiplos motores de Reconhecimento Óptico de Caracteres (OCR) para extração da informação textual. A metodologia incluiu a criação de um dataset customizado seguindo a norma NBR-11691, treinamento do modelo com caixas delimitadoras rotacionadas, e avaliação comparativa dos OCRs Pytesseract, EasyOCR e Keras-OCR utilizando a Distância de Levenshtein como métrica principal. Os resultados demonstraram a qualidade do YOLOv8-OBB em detectar textos inclinados, com mAP50 de 94%, enquanto o EasyOCR obteve o melhor desempenho na leitura dos caracteres. O sistema desenvolvido comprovou ser uma alternativa viável e eficaz aos métodos tradicionais de identificação, com potencial para aumentar a eficiência e confiabilidade no controle de frotas ferroviárias.

Banca:
Flávio Luis de Mello, DSc. (Presidente)
Heraldo Luis Silveira de Almeida, DSc. (Examinador)
Diego Leonel Cadette Dutra, DSc. (Examinador)