El seguimiento de rutas en tiempo real es un tema de investigación importante para los vehículos autónomos utilizados en instalaciones industriales. Métodos tradicionales como el seguimiento de líneas de cobre en el suelo, sistemas de guía inalámbrica y sistemas láser todavía se utilizan en el seguimiento de rutas. En este estudio, se propone un modelo de ruta basado en aprendizaje profundo para el seguimiento de rutas de vehículos autónomos. Se ha desarrollado un modelo de ruta de suelo basado en aprendizaje profundo y un algoritmo para un seguimiento de rutas altamente preciso, que evita colisiones de vehículos y sigue la ruta más corta para llegar al destino. El modelo de ruta de suelo consiste en marcadores. Las rutas en el modelo de ruta de suelo se crean utilizando estos marcadores. El modelo de ruta de suelo se transmite a los vehículos autónomos como un vector por un servidor central. El servidor envía la dirección del marcador objetivo al vehículo para que se mueva. El vehículo calcula todas las rutas posibles hacia esta dirección y elige la más corta. Las imágenes de los marcadores en la ruta seleccionada se procesan utilizando procesamiento de imágenes y se clasifican con un modelo de CNN profundo preentrenado. Si la imagen clasificada y la imagen en la ruta seleccionada son las mismas, el vehículo avanza hacia su destino. Mientras el vehículo se mueve por la ruta, envía el último marcador clasificado al servidor. Otros vehículos autónomos utilizan este marcador para determinar la ubicación de este vehículo. Otros vehículos en la ruta esperan para evitar una colisión. Como resultado de los estudios experimentales que hemos llevado a cabo, se ha logrado con éxito el seguimiento de rutas de los vehículos.