Índice del artículo
Para una empresa de manufactura discreta, este contenido es ideal: 3 problemas que pueden resolver con Computer Vision, una de las tecnologías más sorprendentes hoy en día.
En este episodio abordamos 3 casos de uso donde Computer Vision está transformando algunos procesos de las empresas industriales: Logística, Calidad y Seguridad. Buscamos romper algunos mitos que puede haber respecto a esta tecnología y acercarla de tal forma que entiendas cómo es que la puedes aplicar en tu empresa y te atrevas a construir tu propio caso de negocio.
Dale PLAY y escucha a Hugo Domínguez, líder de Comunicación de Gesta Labs, en tu plataforma favorita.
iVoox:
Spotify:
Este es el podcast de Gesta Labs, con historias de industria 4.0 en español. Somos Gesta Labs, un estudio de innovación que desarrolla soluciones de Industria 4.0 en español.
Y bueno ¿Qué debemos entender por computer vision? Es una forma de inteligencia artificial que habilita a una máquina o dispositivo para que, literalmente, “vea” el mundo, analice los datos visuales y luego tome decisiones a partir de ellos o, en todo caso, comprenda el entorno y contexto. ¿Cómo es esto posible?
Hay tres desafíos básicos:
Ver: ver un objeto es un desafío no trivial. Tenemos que enseñar a las computadoras cómo ver objetos distintos en una foto o video y separar esos objetos del entorno que los rodea.
Describir: esto implica categorizar, etiquetar o comparar los objetos en una foto con otros objetos que la computadora ha visto en el pasado.
Comprender: finalmente, debemos enseñarle a la computadora qué hacer con la información que obtiene de una imagen. Por ejemplo, en el caso de los automóviles sin conductor, la visión por computadora debe ignorar los anuncios, pero debe obedecer a las señales de la calle. Enseñarle a la computadora la diferencia entre los dos es vital.
¿Por qué decimos que es una tecnología que está registrando algunos de los mayores avances? Por la cantidad de datos —y por datos nos referimos a imágenes y videos— que generamos hoy en día, los cuales son fundamentales para entrenar los algoritmos que le enseñan a esa máquina o a ese dispositivo a distinguir un objeto, incluido el contexto en el que se encuentra. Entre más imágenes tienes, más preciso es el modelo.
Así funciona
Tú le enseñas a una máquina una imagen de un perro y un gato para que aprenda a distinguirlos, y la entrenas en un modelo simple, pero los sistemas de hoy en día permiten ir mucho más allá; podrías entrenar a una máquina para que aprenda, incluso, a distinguir razas de gatos, por seguir este ejemplo.
Y es justo esta enorme cantidad de datos que sirven para entrenarla lo que la vuelve una tecnología más precisa que cualquier ojo humano. De acuerdo con la firma de software SAS, las tasas de precisión para la identificación y clasificación de objetos han pasado del 50% al 99% en menos de una década.
El potencial de mercado es tal que puede alcanzar un valor de mercado de 22 mil millones de dólares para 2026, esto es en diferentes industrias, que incluyen cuidado de la salud, seguridad, automotriz, robótica, deportes, aplicaciones de movilidad.