Un sistema de visión por computador que gana precisión en cada inspección de campo — sin depender de un equipo de datos en el cliente.
Arrastra para revelar la detección automática — 9 activos identificados: transformador, poste de hormigón, seccionador fusible, red MT/BT, alumbrado público.
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.
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.
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.
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.
Arrastra cada imagen para comparar la foto original con la detección automática.
9 detecciones simultáneas en entorno urbano.
Red de media y baja tensión con transformador.
Poste de hormigón y alumbrado público.
Infraestructura urbana con múltiples activos.
Red spacer — variación de infraestructura urbana.
Clase rara: interruptor + placa de identificación.
Cobertura de activos en vía pública.

Las 17 clases de activos detectadas — desde postes y transformadores hasta religadores y concentradores.
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 "ROMAGNOLI" leída automáticamente por 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.

Datos extraídos directamente de las bases de producción en junio/2026.
La precisión saltó de 49,7% a 85,6% — una ganancia del 72% impulsada por los datos de la propia operación.
| Versión | mAP50 |
|---|---|
| v1 (bootstrap) | 49,7% |
| v4 | 52,7% |
| v5 | 60,6% |
| v5.2 | 83,8% |
| v5.3 (actual) | 85,6% |
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