Resumen. En el presente trabajo se utilizó la segmentación de letras de fotografías tomadas mediante la cámara del Parrot AR Drone, con el objetivo de establecer una interacción de estímulo-respuesta, donde la imagen original en formato de combinación de colores Rojo, Verde y Azul (RGB) se segmentó por color (escogiendo el canal rojo). Una vez que se reconoce el carácter, el Drone ejecuta la acción correspondiente. Se utilizaron inicialmente patrones numéricos libres de ruido y posteriormente se agregaron algunos pixeles a la imagen con el objetivo de hacer más robusto este conjunto de patrones, los cuales proporcionaron el conjunto de entrenamiento para la red neuronal y de esta forma se pudieron interpolar patrones nuevos. Para la segmentación de imágenes se utilizaron técnicas de detección de bordes que incluyen el filtro de Sobel así como filtros para eliminación de ruido basados en filtrado de la mediana que es un filtro pasa baja. Todo lo anterior se llevó a cabo en un entorno cerrado y se espera ampliar este trabajo para su aplicación en diferentes entornos.Palabras clave: Segmentación de caracteres, vehículos aéreos no tripulados (UAVs), procesamiento de imágenes, filtro Sobel, detección de bordes, redes neuronales artificiales.Abstract. In this paper the letter segmentation of photographs was used, taken from a Parrot AR Drone's camera with the aim of establishing a stimulusresponse, where the original picture formed by Red, Green and Blue (RGB) colors was segmented by color (choosing the red channel). Once the character is recognized, the Drone executes the corresponding action. Noise-free number patterns were initially used and then some pixels were added in the image in order to make a set of patterns more robust, which provided the training set for neural network and thus are able to interpolate new patterns. Edge techniques detection were used for image segmentation including Sobel filter and filters for noise removal based on the median filtering, that is a low pass filter. All this took place in a closed environment, expecting to extend this to different environments.

Resumen. El problema de localización de placas de automóvil ha sido ampliamente estudiado con anterioridad, dando resultados favorables. Sin embargo, hasta el momento de esta investigación no se han encontrado conjuntos de prueba extensos para validar los algoritmos. Así, en éste trabajo se presenta la primera etapa de un Sistema de Reconocimiento Automático de Placas de Automóviles, el cual es enfocado a encontrar únicamente la localización de la placa. Tres algoritmos similares fueron desarrollados en cuanto a las distintas técnicas que se implementan, como el erosionado, el dilatado o el filtro de Sobel, siendo probados en un conjunto de imágenes con distintas condiciones como iluminación, problemas ambientales, tamaño de imagen en píxeles, entre otros. Los resultados obtenidos muestran que el mejor de los algoritmos propuestos permite localizar más placas con más efectividad y con más robustez a las condiciones de la imagen en comparación de los otros dos, en donde uno de ellos no detecta la placa en la mayoría de las imágenes usadas.Palabras clave: segmentación de imágenes, reconocimiento de placas, procesamiento de imágenes, filtro Sobel.