Glosario

Detección de anomalías en imágenes

¿Qué es Detección de anomalías en imágenes?

La detección de anomalías en imágenes busca en fotos o grabaciones desviaciones respecto al estado normal, como arañazos, grietas o decoloraciones en piezas de fabricación o irregularidades en imágenes médicas. A menudo un modelo aprende primero con muchos ejemplos sin defectos y luego señala todo lo que se aparta de ellos. Es útil porque los defectos reales son poco frecuentes y difíciles de describir por completo de antemano.

Cómo ayuda KI.ordo

KI.ordo no analiza imágenes; la plataforma trabaja solo con texto, por ejemplo informes de inspección o mediciones en forma de tabla.

Temas

  • Visión artificial
  • Inspección de calidad
  • Fabricación

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo
← Todos los términos

Términos relacionados

Detección de anomalías

La detección de anomalías encuentra datos, eventos o patrones que se apartan claramente de lo habitual: transacciones inusualmente altas, saltos repentinos en lecturas de sensores, registros duplicados o actividad de red sospechosa. Se aplica en finanzas, ciberseguridad, producción y control de calidad. Los métodos van desde umbrales estadísticos sencillos hasta modelos que aprenden; los resultados son indicios que debe valorar una persona.

  • Análisis de datos
  • Control de calidad
  • +1
Plantilla

Visión artificial

La visión artificial (computer vision) es un campo de la IA en el que los ordenadores analizan imágenes y vídeos. Tareas típicas son detectar y localizar objetos, leer texto en imágenes o medir piezas. Se usa, por ejemplo, en el control de calidad en fábricas, en sistemas de asistencia a la conducción, en logística o en imagen médica.

  • análisis de imágenes
  • aprendizaje profundo
  • +1

Reconocimiento de imágenes

El reconocimiento de imágenes es un campo de la visión artificial en el que un software identifica lo que muestra una imagen: objetos, personas, texto, logotipos o escenas. Suele basarse en redes neuronales entrenadas con muchas imágenes etiquetadas. Sus aplicaciones van desde el control de calidad en fábricas y la clasificación de fotos de productos hasta el apoyo en imagen médica. Con imágenes de personas hay que prestar especial atención a la protección de datos y a posibles sesgos.

  • Visión artificial
  • Análisis de imágenes
  • +1

Segmentación semántica

La segmentación semántica asigna una clase a cada píxel de una imagen, como carretera, vehículo, persona o cielo. El resultado es una especie de mapa de colores del contenido. A diferencia de la segmentación de instancias, no distingue entre objetos del mismo tipo: tres coches cuentan juntos como «coche». Se usa, por ejemplo, en la conducción autónoma, en imagen médica para delimitar tejidos y en el análisis de imágenes aéreas y de satélite.

  • visión artificial
  • análisis de imágenes
  • +1