Detección Automática de Activos Eléctricos con IA de Aprendizaje Continuo

Un sistema de visión por computador que gana precisión en cada inspección de campo — sin depender de un equipo de datos en el cliente.

Validado por IntellissisSector: Energía EléctricaEn operación desde mar/2026
Imagen de campo original Detección automática de 9 activos eléctricos AntesIA

Arrastra para revelar la detección automática — 9 activos identificados: transformador, poste de hormigón, seccionador fusible, red MT/BT, alumbrado público.

El Desafío

Una de las mayores distribuidoras de energía eléctrica del Estado de Río de Janeiro necesitaba catalogar automáticamente los equipos presentes en millones de fotografías de campo — postes de hormigón, hierro y madera, transformadores, redes de media y baja tensión, seccionadores fusibles, placas de identificación y otros activos críticos de la infraestructura eléctrica.

El proceso manual era lento, costoso y no escalable. Peor aún: cualquier solución de IA convencional perdería precisión con el tiempo, a medida que surgieran nuevos equipos y condiciones de campo — exigiendo retrabajo constante y dependencia de especialistas externos. El desafío no era solo detectar. Era entregar un sistema que siguiera aprendiendo con su propia operación.

La Solución: Sistema + Método + Herramienta

Sistema — Aprendizaje Continuo

Cada inspección genera datos que retroalimentan el modelo. Los operadores validan o corrigen las detecciones, y ese feedback dispara automáticamente un nuevo ciclo de reentrenamiento. El modelo más preciso se promueve a producción sin intervención manual.

Método — Pipeline Estructurado

Desde la indexación del acervo hasta la anotación asistida, entrenamiento auditable, promoción automática del mejor modelo y loop de feedback operacional. Un proceso replicable desde la recolección hasta la producción.

Herramienta — Integración Real

API REST en producción y SDK .NET/C# integrados a los sistemas Windows de la distribuidora — sin migración de infraestructura. El equipo comenzó a usar IA sin percibir que trabajaba con machine learning.

La IA en acción

Arrastra cada imagen para comparar la foto original con la detección automática.

Imagen de campo original Detección automática de activos eléctricos AntesIA

9 detecciones simultáneas en entorno urbano.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Red de media y baja tensión con transformador.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Poste de hormigón y alumbrado público.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Infraestructura urbana con múltiples activos.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Red spacer — variación de infraestructura urbana.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Clase rara: interruptor + placa de identificación.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Cobertura de activos en vía pública.

Grid de las 17 clases de activos detectadas

Las 17 clases de activos detectadas — desde postes y transformadores hasta religadores y concentradores.

17 clases + OCR automático

Además de detectar 17 tipos de activos, el sistema lee automáticamente el texto en placas de identificación — extrayendo potencia, fabricante y número de patrimonio.

Placa original OCR leyendo la placa ROMAGNOLI AntesOCR

Placa "ROMAGNOLI" leída automáticamente por el sistema.

Dónde ha operado el sistema

Cada punto representa un poste procesado por la IA — cubriendo regiones urbanas, rurales y de protección ambiental del Estado de Río de Janeiro.

Mapa de cobertura — cada punto es un poste procesado

En números

Datos extraídos directamente de las bases de producción en junio/2026.

0
imágenes procesadas
0
precisión mAP50 (%)
0
tasa de éxito (%)
0
clases de activos
0
versiones de modelo
0
meses ininterrumpidos

El modelo que se enseña a sí mismo

La precisión saltó de 49,7% a 85,6% — una ganancia del 72% impulsada por los datos de la propia operación.

45%60%75%90% 49,7%60,6%85,6%v1v4v5v5.2v5.3
VersiónmAP50
v1 (bootstrap)49,7%
v452,7%
v560,6%
v5.283,8%
v5.3 (actual)85,6%

Tecnologías utilizadas

Visión por ComputadorActive LearningOCRAPI RESTSDK .NET / C#PythonMachine Learning

¿Tienes un problema que los datos
y las imágenes podrían resolver?

Nuestro modelo — Sistema + Método + Herramienta — es replicable en cualquier sector con volúmenes de datos visuales o documentales a procesar de forma inteligente y continua.

Hablar con un especialista
Habla con nosotros