Met dit onderzoek construeren we OMR-software (Optical Music Recognition) voor de automatische beeldherkenning en transcriptie van muziek in mensurale notatie. Zodoende verlagen we de drempel naar de polyfonie voor musicologen, muziekonderwijsinstellingen, muzikanten en hun publiek. Gegeven een scan van een folium met muziek in mensurale notatie, geprint of handgeschreven, capteert het model de afgebeelde muziek in gangbare digitale en wetenschappelijke formaten zoals  MusicXML en MEI. Na digitalisatie heeft de gebruiker de mogelijkheid om de mensurale notatie te transcriberen naar moderne muzieknotatie. Het OMR-raamwerk bouwt rond een ensemble van convolutionele neurale netwerken, een notenbalkdetectie-algoritme en een corrigerend taalmodel. Bijkomend introduceren we een referentiedataset bestemd voor de wetenschappelijke gemeenschap, representatief voor polyfone muziek geschreven in mensurale notatie over de gehele renaissance:  de ground truth bestaat uit 250 gecureerde folia met polyfone muziek in geïllumineerde koorboeken, geprinte boeken en chansonniers, in verschillende handschriften en met variërende foliumdegradatie.  De dataset bestaat voornamelijk uit IDEM-bronnen. Op deze ground truth dataset en andere referentiedatasets, bepaalt ons Alamire OMR-model de state-of-the-art.