El reconocimiento de objetos es una de las tareas básicas de la visión por ordenador. Es el proceso de localizar o identificar objetos en imágenes o vídeo. Los métodos de reconocimiento de objetos suelen utilizar características extraídas y algoritmos de aprendizaje para identificar instancias de objetos o imágenes que pertenecen a la clase de objeto. El objetivo del reconocimiento de objetos es identificar un objeto en una clase o categoría determinada, mientras que el objetivo de la detección de objetos es encontrar el objeto de interés en imágenes o vídeos. En esta tesis se estudia la combinación de dos técnicas de inteligencia artificial para la detección de objetos en imágenes de carretera: las redes neuronales convolucionales y los algoritmos de búsqueda. Se pretende mejorar la identificación en el algoritmo neuronal implementando un algoritmo meta heurístico y de esta manera crear un algoritmo híbrido de estas técnicas. El análisis de las redes neuronales convolucionales y los diferentes algoritmos metaheurísticos es un paso importante para determinar como podría combinarse estos dos métodos. El ajuste de los parámetros e hiperparámetros de una red neuronal juega un papel muy importante en la evaluación de la misma. A través de las pruebas realizadas se determina que al emplear los algoritmos metaheurísticos para un ajuste fino de los parámetros en la red neuronal YOLOv3 podremos obtener una mejoría en la detección de vehículos, este algoritmo mejora esta detección en diversas clases y en la precisión media global.