Robovision

La interfaz del navegador cubre etiquetado, entrenamiento y ajuste de umbrales. Esa visión artificial sin código deja que quien conoce el producto y el defecto construya un modelo funcional sin tocar Python. Ahí está la diferencia entre un proyecto parado en la cola de ciencia de datos y otro que sale este trimestre.

Robovision se apoya en clasificación, segmentación de instancias, segmentación semántica y detección de objetos, más la opción de traer tu propio algoritmo. La clasificación dice qué hay en el encuadre. La segmentación de instancias dibuja el contorno de cada objeto a nivel de píxel, y así resuelve piezas que se tocan o se solapan. La técnica elegida decide qué puede medir el modelo.

La clasificación y la medición se ejecutan en local, en un agente instalado en cada máquina, no en un centro de datos lejano. La producción sigue cuando falla la conexión. En plantas que no pueden sacar imágenes del edificio, ese diseño local suele ser el factor que decide la compra.

Cuando el modelo devuelve un resultado con poca confianza, la muestra se marca y se registra para revisión. Un ingeniero valida la corrección y la receta actualizada vuelve a todas las máquinas conectadas. Robovision presenta el método de detección de deriva como patente pendiente. Una sola corrección, aplicada una vez, en lugar de una visita por línea.

Los científicos de datos que quieren trabajar cerca del código tienen un SDK de Python y una especificación documentada para importar sus modelos. Configuraciones y conjuntos de datos siguen siendo portables. Los roles se separan sin roce: los ingenieros escriben código, los operarios llevan la línea y ambos trabajan en la misma plataforma.

Los fabricantes de máquinas pueden poner su logotipo, los textos de la interfaz y su documentación en cada equipo que envían. El despliegue es de un solo inquilino en la infraestructura del cliente, con opción gestionada por Robovision. Está pensado para quien no quiere la marca de un tercero delante de su cliente.