En la actualidad, la gestión del consumo eléctrico e hídrico es crucial en entornos domésticos e industriales. Aunque los medidores de energía y agua desempeñan un papel fundamental en este control, su lectura y seguimiento suelen depender de terceros, lo que limita la visión detallada de los usuarios sobre sus consumos. Se realizan técnicas de lectura manual de los medidores que requiere la intervención física en cada dispositivo, dicho proceso es propenso a errores y carece de la capacidad de proporcionar datos en tiempo real de manera continua. Ante esta problemática, emergen tecnologías prometedoras como los ordenadores de placa única y las redes neuronales convolucionales. En este contexto, se propone la implementación de un sistema de monitoreo por imagen integrado en los medidores digitales con procesamiento en el borde como solución innovadora. Este sistema consta de una Raspberry Pi 4 como núcleo central acompañada de un módulo de cámara para llevar a cabo la captura de imágenes, detección de sectores de interés, traducción de imagen a texto plano, clasificación de los datos y envío de los datos a plataformas de monitoreo. Mediante modelos basados en redes neuronales convolucionales como YOLOv5, DETECTRON2,y TrOCR se logra la detección y extracción de la información. En síntesis, esta propuesta busca superar las limitaciones de los métodos tradicionales de lectura de medidores digitales al aprovechar avances tecnológicos. Promete mayor precisión, eficiencia y la posibilidad de un monitoreo en tiempo real,lo que impactaría positivamente en la gestión y optimización de recursos energéticos e hídricos.