Con el objetivo de automatizar y agilizar el proceso de conversión del formato de la imagen escaneada (de TIFF a FITS) y el agregado de los metadatos correspondientes, la Dra. Yael Aidelman desarrolló en 2017 un software escrito en Python 2.7. A finales del año 2021, en colaboración con el Instituto de Investigación en Informática LIDI (III-LIDI) de la Facultad de Informática (UNLP), se comenzó con el desarrollo de un nuevo software, tomando como base el software anterior. Utilizando redes neuronales fue posible agilizar y automatizar el proceso de recorte de cada espectro (ya que cada placa contiene más de un espectro), la carga de los metadatos (header), y la conversión a formato FITS. La detección de los espectros sobre las imágenes escaneadas se realizó con un modelo de Deep Learning entrenado específicamente para este problema. El desarrollo de la primera versión de este software fue realizada por el Ing. Nehuén Pereyra en el marco de su Práctica Profesional Supervisada de la carrera Ingeniería en Computación de la Facultad de Informática (UNLP), mientras que el desarrollo de la última versión fue llevada a cabo por el Lic. Santiago Ponte Ahón en el marco de su Tesis de la Licenciatura en Sistemas de la Facultad de Informática (UNLP). A esta última versión se le dio el nombre de PlateUNLP, cuyo repositorio se encuentra disponible a través de GitHub. Actualmente, en el marco de su Tesis de Doctorado en Informática, el Lic. Ponte Ahón está trabajando en la extensión de este software, para que sea capaz de extraer los espectros (pasar de un espectro 2D a uno 1D) y calibrarlos en longitud de onda de manera automática.
PlateUNLP es una herramienta de software semiautomática diseñada para ayudar en el procesamiento de imágenes de placas espectroscópicas digitalizadas. Automatiza etapas clave como la detección de distintas observaciones en una misma placa, el agregado de los metadatos correspondientes a cada observación, la extracción de los espectros y la calibración en longitud de onda. Estas tareas, que tradicionalmente se realizan de forma manual, se aceleran significativamente al tiempo que permite la intervención del usuario cuando es necesario. La herramienta fue evaluada en colaboración con astrónomos expertos, demostrando una alta fiabilidad y utilidad práctica en la recuperación de datos astronómicos históricos.