Desarrollar un sistema automatizado de inspección de calidad basado en imágenes para detectar defectos en materiales mediante técnicas de visión artificial y deep learning.
El sistema deberá identificar anomalías en superficies a partir de fotografías y proporcionar explicaciones interpretables para negocio y operaciones.
Diseñar y entrenar modelos de detección de objetos para localizar defectos en imágenes.
Implementar arquitecturas de detección basadas en YOLO.
Preparar y gestionar datasets de entrenamiento:
limpieza
etiquetado
augmentation
Evaluar modelos mediante métricas como:
mAP
Precision
Recall
Desplegar modelos en entornos productivos (Edge o Cloud).
Implementar pipelines de MLOps para entrenamiento, validación y despliegue.
Integrar un LLM que permita:
razonar sobre la detección
clasificar el tipo de anomalía
generar explicaciones comprensibles para usuarios de negocio.
El sistema deberá identificar defectos como:
nudos
grietas
deformaciones
manchas
irregularidades de superficie
Experiencia sólida en Computer Vision y Deep Learning.
Experiencia con detección de objetos (YOLO u otras arquitecturas similares).
Conocimiento en:
preparación de datasets
etiquetado de imágenes
data augmentation
Experiencia evaluando modelos con métricas como:
mAP
Precision / Recall
Experiencia en MLOps.
Experiencia en despliegue de modelos en producción (Edge o Cloud).
Integración de modelos de IA en sistemas reales.
Experiencia con LLMs para explainability o reasoning.
Experiencia en inspección industrial automatizada.
Conocimiento en pipelines de visión artificial en entornos industriales.

Human Interest

Pratt & Whitney

GTT

Darwin

Opus Clip

Grupo TECDATA Engineering

Grupo TECDATA Engineering

Grupo TECDATA Engineering