"Una visión más allá de la capacidad humana"
ImageGuard aprovecha el aprendizaje profundo y las redes neuronales convolucionales para detectar, clasificar y priorizar automáticamente los defectos de las infraestructuras a partir de imágenes aéreas y a nivel del suelo. Diseñado específicamente para el sector eléctrico.
La inspección manual tradicional de las infraestructuras eléctricas es lenta, cara, irregular y peligrosa. Los inspectores humanos solo pueden revisar entre 50 y 100 imágenes por hora, con una pérdida de precisión debida a la fatiga. Se les escapan defectos sutiles que preceden a fallos graves.
La visión artificial cambia radicalmente esta ecuación. Los modelos de aprendizaje profundo, entrenados con millones de imágenes de infraestructuras etiquetadas, pueden analizar miles de fotogramas por hora con una precisión constante de alrededor del 94%. Detectan patrones invisibles para el ojo humano: fisuras finas, anomalías térmicas, microcorrosión e invasión de la vegetación.
| Métrica | Manual | ImageGuard |
| Imágenes/hora | 50-100 | 10,000+ |
| Precisión | 70-85% | ~94% |
| Coherencia | Variable | 100% |
| Coste/imagen | $0.50-2.00 | $0.01-0.05 |
| Funcionamiento 24/7 | No | Sí |
ImageGuard se basa en redes neuronales convolucionales (CNN) de última generación, la misma tecnología que utilizan los vehículos autónomos, la imagen médica y el reconocimiento facial. Pero nuestros modelos están entrenados específicamente para infraestructuras eléctricas.
Una CNN procesa las imágenes a través de múltiples capas de filtros aprendidos. Las primeras capas detectan rasgos básicos: bordes, esquinas, texturas. Las capas más profundas los combinan en patrones complejos: formas de aisladores, signos de corrosión, límites de la vegetación. Las capas finales clasifican lo detectado y lo localizan con cuadros delimitadores.
Nuestros modelos están entrenados con más de 2 millones de imágenes de infraestructuras etiquetadas que abarcan postes, transformadores, aisladores, conductores, crucetas y vegetación en geografías, condiciones meteorológicas y tipos de equipos diversos.
ImageGuard utiliza YOLOv11 (You Only Look Once), la última generación de la arquitectura de detección de objetos en tiempo real más implantada del mundo. A diferencia de los detectores tradicionales de dos etapas, YOLO procesa la imagen completa en una sola pasada hacia delante, lo que permite tiempos de inferencia inferiores a 50 milisegundos.
Esta velocidad es fundamental para el despliegue en el borde. Cuando nuestros modelos se ejecutan directamente en el hardware del dron o en los ordenadores de los vehículos de inspección, pueden procesar flujos de vídeo en tiempo real y señalar los defectos en el momento en que se captan.
Evaluado en NVIDIA Jetson Orin con optimización TensorRT.
Detección integral de defectos multiclase en todos los componentes de la infraestructura eléctrica
Grietas, desconchados, contorneos, contaminación, elementos ausentes
Pudrición, inclinación, rajas, daños de pájaro carpintero, problemas de cimentación
Fugas de aceite, óxido, daños en pasatapas, anomalías térmicas
Fusibles fundidos, carcasas dañadas, marcas de arco, desalineación
Conexiones flojas, daños por arco, corrosión, puntos calientes
Grietas, pudrición, riostras rotas, corrosión de herrajes
Invasión, riesgo de contacto, crecimiento medido entre inspecciones
Entrene nuevos tipos de defecto específicos de sus equipos
Entrenar modelos de IA robustos requiere conjuntos de datos grandes y diversos. Pero los defectos reales son escasos: no se puede esperar a que se produzcan miles de fugas en transformadores solo para fotografiarlas. ImageGuard lo resuelve con un aumento de datos inteligente.
Nuestra tecnología de transferencia de defectos toma muestras de defectos reales y las compone de forma realista sobre imágenes de equipos en buen estado. Un inpainting avanzado rellena sin costuras los fondos originales. El resultado: variaciones de entrenamiento ilimitadas a partir de un número limitado de ejemplos reales.
Combinada con transformaciones geométricas, ajustes de color e inyección de ruido, generamos conjuntos de entrenamiento entre 10 y 100 veces mayores que las colecciones originales, lo que mejora notablemente la robustez del modelo frente a distintas condiciones de iluminación, ángulos de cámara y variantes de equipos.
De los datos etiquetados al modelo desplegado, con mejora continua gracias a la revisión humana en el bucle
Importación de imágenes de drones, satélites y vehículos
Etiquetado de defectos con cuadros delimitadores y clases
Entrenamiento de modelos propios con su conjunto de datos etiquetado
Evaluación de las métricas de precisión, exhaustividad y mAP
Despliegue en la nube, en dispositivos de borde o en ambos
Los modelos mejoran automáticamente a medida que su equipo revisa y corrige las detecciones. Cada corrección humana se convierte en datos de entrenamiento para la siguiente versión del modelo.
Parta de nuestros modelos preentrenados para infraestructuras y ajústelos a sus equipos concretos. Alcance la precisión de producción con apenas 100 ejemplos etiquetados.
Controle las versiones del modelo con trazabilidad completa. Compare el rendimiento entre versiones, realice pruebas A/B de candidatos y vuelva atrás si es necesario.
Ajuste la sensibilidad de detección por clase de defecto. Equilibre precisión y exhaustividad según la criticidad para el negocio.
Exporte modelos optimizados para NVIDIA Jetson, Intel OpenVINO, Apple CoreML y Android NNAPI.
Paneles en tiempo real con precisión, exhaustividad (recall), F1 y matrices de confusión. Configure alertas cuando la exactitud disminuya.
ImageGuard es la columna vertebral de IA de todo el ecosistema de la plataforma GridGuardian. Cada imagen captada por DroneGuard, SATGuard o AutoGuard pasa por ImageGuard para su análisis automatizado.
Los resultados se integran directamente con los sistemas corporativos: plataformas SIG para el análisis espacial, sistemas de órdenes de trabajo para planificar el mantenimiento y herramientas de BI para los informes de dirección.
Programe una demostración para ver cómo ImageGuard puede transformar su flujo de inspección, reducir un 90% el tiempo de revisión manual y detectar defectos que se le escapan al ojo humano.
Contáctenos