La planificación adecuada de los períodos de descanso en respuesta a la disponibilidad de plazas de aparcamiento en áreas de descanso es un tema importante para las empresas de transporte, así como para el tráfico y las administraciones de carreteras. Presentamos un estudio de caso sobre cómo You Only Look Once (YOLO)v5 puede implementarse para detectar vehículos de carga en áreas de descanso durante el invierno para permitir la predicción en tiempo real de la ocupación de plazas de aparcamiento. Las condiciones nevadas y la noche polar en invierno suelen plantear algunos desafíos para el reconocimiento de imágenes, por lo que utilizamos cámaras térmicas de red. Dado que estas imágenes suelen tener un alto número de superposiciones y cortes de vehículos, aplicamos aprendizaje por transferencia a YOLOv5 para investigar si la cabina delantera y la trasera son características adecuadas para el reconocimiento de vehículos de carga. Nuestros resultados muestran que el algoritmo entrenado puede detectar la cabina delantera de vehículos de carga con alta confianza, mientras que detectar la parte trasera parece más difícil, especialmente cuando está lejos de la cámara. En conclusión, mostramos en primer lugar una mejora en la detección de vehículos de carga utilizando su parte delantera y trasera en lugar de todo el vehículo, cuando las condiciones invernales resultan en imágenes desafiantes con un alto número de superposiciones y cortes, y en segundo lugar, mostramos que la imagen térmica de red es prometedora en la detección de vehículos.