Deteksi nomor kendaraan secara otomatis merupakan salah satu kebutuhan penting dalam sistem transportasi dan pengawasan modern. Penelitian ini bertujuan untuk membangun sistem yang mampu mendeteksi dan membaca nomor kendaraan secara otomatis dengan menggabungkan metode segmentasi citra berbasis U-Net dan pengenalan karakter menggunakan Optical Character Recognition (OCR). Dataset yang digunakan terdiri dari 120 citra kendaraan beserta mask biner hasil anotasi, yang telah melalui proses preprocessing dan augmentasi untuk meningkatkan variasi data. Model dilatih menggunakan tiga jenis fungsi loss, yaitu Dice Loss, BCE Loss, dan kombinasi Dice + BCE, serta dievaluasi menggunakan metrik accuracy, IoU, precision, recall, dan F1 score. Hasil menunjukkan bahwa model dengan kombinasi Dice + BCE memberikan performa paling seimbang baik dari segi metrik maupun visualisasi hasil segmentasi. Sistem diimplementasikan menggunakan FastAPI untuk mendukung proses prediksi citra secara otomatis dan terintegrasi dengan modul OCR. Sistem mampu mengenali karakter pada plat nomor kendaraan secara akurat meskipun dalam kondisi pencahayaan dan tampilan citra yang bervariasi. Hasil penelitian ini menunjukkan bahwa pendekatan yang digunakan efektif untuk diterapkan dalam sistem pengenalan nomor kendaraan secara otomatis, dengan model menghasilkan nilai Dice Coefficient sebesar 0.8972, IoU sebesar 0.8135, dan F1 Score sebesar 0.8972 pada data pelatihan.