Servicios de Procesamiento de Imagen

La mayoría de los proyectos de visión por ordenador que defraudan pueden rastrear sus problemas hasta la etapa de captura. La lente es incorrecta, la iluminación es inconsistente, la posición de la cámara se desvía, la velocidad de fotogramas no puede seguir el ritmo de la línea, o las imágenes que el modelo ve en producción difieren de maneras sutiles pero importantes de las imágenes con las que fue entrenado. Tratamos la captura como parte del sistema en lugar de como una restricción externa fija, y nos complace especificar cámaras, lentes, iluminación y soportes mecánicos, ya que esto se traducirá en una mayor precisión del modelo.

La calibración es igualmente subestimada. Las cámaras se desvían, la iluminación cambia con la estación y la hora del día, y las cintas transportadoras desarrollan patrones de desgaste. Un sistema de visión que se recalibra silenciosamente — o que alerta cuando la calibración ha superado una tolerancia aceptable — superará a uno más sofisticado que no lo hace. Diseñamos la calibración dentro del ciclo de vida operativo, no como una tarea de configuración única.

Cuando ya existe una infraestructura de captura, trabajamos dentro de sus limitaciones, pero decimos con honestidad cuando esas limitaciones ponen un tope a lo que es alcanzable. Es mejor una conversación temprana sobre una luminaria fija que un ciclo de reentrenamiento de modelos que no puede resolver un problema físico.

• Especificación de cámara, lente e iluminación
• Configuraciones de múltiples cámaras sincronizadas
• Calibración de campo y detección de deriva
• Monitorización de la calidad de imagen en tiempo de ejecución
• Tolerancia al movimiento, vibración, ensuciamiento
• Integración de hardware de grado industrial

El aprendizaje profundo moderno se ha convertido, merecidamente, en el predeterminado para muchas tareas de visión por ordenador. Pero la visión por ordenador clásica está lejos de ser obsoleta. Donde la geometría está bien definida, la iluminación es controlable y la apariencia es consistente, los métodos clásicos suelen ser más rápidos, más baratos, más fáciles de explicar y mucho más fáciles de mantener. Muchos de nuestros sistemas de producción más exitosos son híbridos: un pipeline clásico hace el trabajo pesado, y un modelo aprendido maneja los casos residuales que resisten las reglas deterministas.

Cuando el aprendizaje profundo es la herramienta adecuada, elegimos la arquitectura con cuidado. La detección de objetos, la segmentación de instancias, la segmentación semántica, la detección de anomalías, la similitud basada en embeddings y la comprensión de documentos tienen cada una familias arquitectónicas distintas con perfiles de coste y precisión muy diferentes. Realizamos pruebas de rendimiento con sus datos, en el hardware en el que desea desplegar y con la métrica que coincide con la decisión operativa que el sistema informará.

La anotación se trata como una actividad de ingeniería seria. Las etiquetas inconsistentes son la mayor fuente de rendimiento decepcionante del modelo, e invertimos en directrices de anotación claras, revisiones periódicas entre anotadores y refinamiento iterativo del esquema de etiquetas a medida que los datos revelan lo que realmente distingue los casos de interés.

“Mejores etiquetas suelen superar a modelos más grandes. Una iluminación más nítida suele superar a ambos.”

Las cargas de trabajo de visión tienen requisitos de latencia y ancho de banda inusualmente amplios. Un modelo de inspección de defectos en una línea de envasado de alta velocidad no puede permitirse un viaje de ida y vuelta a la nube; un pipeline de comprensión de documentos que se ejecuta en lotes nocturnos sí puede. Diseñamos patrones de despliegue para que coincidan: inferencia en el borde en PCs industriales y hardware de clase Jetson donde la latencia o el ancho de banda lo exigen, inferencia del lado del servidor para trabajos por lotes de mayor rendimiento, y patrones híbridos donde los modelos ligeros en el dispositivo transfieren los casos inciertos a un modelo en la nube más capaz.

La optimización para la inferencia se trata como una parte normal de la entrega. La cuantificación, la poda, la destilación, los operadores fusionados y los compiladores de tiempo de ejecución (TensorRT, OpenVINO, ONNX Runtime, Core ML) convierten rutinariamente un modelo académico en uno que puede ejecutarse dentro de un estricto envolvente de latencia y potencia. El coste de precisión de una optimización bien ejecutada suele ser pequeño; el beneficio operativo es sustancial.

Las consideraciones operacionales — actualizaciones inalámbricas, configuraciones predeterminadas a prueba de fallos cuando el modelo no está disponible, registro local que sobrevive a las interrupciones de la red, acceso seguro al dispositivo — se diseñan junto con el modelo. Un sistema de visión que no se puede actualizar de forma segura después del despliegue es uno cuya vida útil se mide en meses en lugar de años.

Hemos entregado sistemas de detección de defectos para fabricantes de automoción, alimentos y bebidas, envases y electrónica, sustituyendo la inspección manual en líneas de alta velocidad por sistemas de visión que detectan una gama más amplia de defectos de forma más consistente y documentan cada decisión que toman. Hemos construido pipelines de comprensión de documentos que convierten millones de formularios, facturas, extractos y contratos entrantes en datos estructurados, con puntuaciones de confianza que dirigen los casos dudosos a humanos en lugar de adivinar.

En el sector minorista hemos desplegado análisis de estanterías y planogramas que convierten las imágenes de la tienda en señales operativas — huecos, productos mal expuestos, inconsistencias de precios — que pueden ser actuadas en el mismo turno. En entornos relacionados con la atención sanitaria hemos construido herramientas de apoyo a la clasificación que priorizan los estudios para la revisión humana y sistemas de búsqueda visual que muestran casos históricos comparables. En todos ellos, nos aseguramos de posicionar el sistema como una mejora en lugar de un reemplazo, con el humano firmemente involucrado donde las apuestas lo justifican.

Cuando un caso de uso es novedoso, lo diremos, y ajustaremos el descubrimiento en consecuencia. La visión por ordenador no es magia, y no todos los problemas están bien planteados para ella; una respuesta honesta temprana es más valiosa que una esperanzadora tardía.

Un sistema de visión en producción necesita atención continua, pero la mayor parte de esa atención puede y debe ser automatizada. Instrumentamos los despliegues con monitorización de la calidad de imagen, distribuciones de confianza de predicción, detección de deriva en las estadísticas de entrada y paneles de control de imágenes muestreadas que permiten a los operadores ver lo que el sistema está viendo actualmente. Cuando el entorno operativo cambia — una nueva variante de producto, un nuevo proveedor de envases, una velocidad de línea modificada — estas señales detectan el cambio antes de que se convierta en un incidente de calidad.

El reentrenamiento es una rutina, no una misión de rescate. Creamos un conjunto de datos versionado de imágenes representativas de producción, integramos los comentarios del operador en las etiquetas y reconstruimos los modelos con una cadencia adecuada a la tasa de cambio en el entorno. Cada candidato se evalúa en el mismo arnés que su predecesor, y se promociona solo cuando es al menos tan bueno en las métricas que importan.