Esta investigación presenta un enfoque novedoso al aplicar redes neuronales convolucionales (CNN) para mejorar la detección de señales de comunicación de cámara óptica (OCC) en condiciones desafiantes de iluminación interior. El estudio utiliza una aplicación de teléfono inteligente para capturar imágenes de una lámpara LED que emite 25 códigos ópticos únicos a distancias de hasta cuatro metros. El modelo de CNN desarrollado demuestra una precisión superior y supera a las metodologías tradicionales, que a menudo tienen dificultades bajo iluminación variable. Este avance proporciona una solución sólida para la detección confiable de OCC donde los métodos anteriores no rinden bien, especialmente en la industria del turismo, donde se puede utilizar para crear un museo virtual en la plataforma Unity. Esta innovación muestra el potencial de integrar la aplicación con un entorno virtual para mejorar las experiencias turísticas. También establece un sistema completo de posicionamiento de luz visible (VLP), marcando un avance significativo en el uso de CNN para la tecnología de OCC en diversas condiciones de iluminación. Los hallazgos subrayan la eficacia de las CNN para superar los desafíos de iluminación ambiental, allanando el camino para nuevas aplicaciones en museos y entornos similares y sentando las bases para futuras mejoras en los sistemas de OCC.