Dalam era digitalisasi dan otomatisasi, deteksi dan pengenalan nomor rangka kendaraan (Vehicle Identification Number atau VIN) menjadi teknologi yang sangat penting di industri otomotif, transportasi, dan keamanan. VIN adalah kode unik yang memberikan informasi tentang kendaraan seperti produsen, model, dan tahun pembuatan. Deteksi nomor rangka secara otomatis memiliki berbagai manfaat, termasuk peningkatan keamanan, manajemen inventaris yang lebih baik, dan efisiensi dalam proses administratif.Proyek ini bertujuan untuk mengembangkan sistem deteksi nomor rangka menggunakan kombinasi teknologi YOLO (You Only Look Once) dan OCR (Optical Character Recognition). YOLO adalah metode deteksi objek berbasis deep learning yang mampu mendeteksi objek dalam gambar dengan cepat dan akurat. OCR digunakan untuk mengonversi teks dari gambar yang terdeteksi menjadi teks yang dapat dibaca oleh mesin. Proses deteksi melibatkan beberapa tahap: pengambilan gambar, deteksi objek menggunakan YOLO, ekstraksi dan pra-pemrosesan gambar, serta pengenalan teks dengan OCR.Pengujian dilakukan dengan menggunakan dataset yang berisi 780 gambar, yang dibagi menjadi data training dan validasi. Setelah pelatihan model, sistem diuji dengan gambar-gambar yang tidak termasuk dalam data training dan validasi untuk mengevaluasi kinerja deteksi dan pengenalan. Hasil eksperimen menunjukkan bahwa kombinasi YOLO dan OCR mampu mendeteksi nomor rangka dengan tingkat akurasi 90 persen, meskipun terdapat beberapa tantangan seperti variasi pencahayaan dan kondisi fisik nomor rangka.Penerapan teknologi ini menunjukkan efisiensi tinggi dan kemampuan real-time dalam deteksi nomor rangka, serta memberikan kontribusi signifikan dalam berbagai aplikasi di industri otomotif dan keamanan. Namun, diperlukan peningkatan lebih lanjut dalam kualitas dataset dan optimasi model untuk mencapai hasil yang lebih akurat dan andal.