Esta revisión sistemática analiza el uso de técnicas de aprendizaje automático en el Reconocimiento Automático de Placas Vehiculares (ANPR) en entornos reales, siguiendo el protocolo PRISMA. Se revisaron 50 estudios de 2020 a 2025, obtenidos de Scopus, IEEE Xplore y ScienceDirect, enfocados en métodos como YOLO, CNN, Transformers y modelos híbridos. Los resultados muestran que YOLO (v3, v4, v5, v8) lidera por su alta precisión (hasta 99.9%) y velocidad (superando 159 FPS), incluso en condiciones adversas como lluvia, baja luz o imágenes borrosas. Las CNN, como ResNet y MobileNet, ofrecen flexibilidad y precisiones cercanas al 99.71%. Los Transformers y modelos de superresolución (GANs, difusión) mejoran el reconocimiento en escenarios complejos, alcanzando hasta 95% en textos. Sin embargo, la falta de datasets estandarizados, la escasa representación de placas no latinas y la...