{"id":33879,"date":"2024-09-09T12:49:37","date_gmt":"2024-09-09T09:49:37","guid":{"rendered":"https:\/\/stage.cactus-now.com\/noticias-de-cactus\/unlocking-the-full-potential-of-computer-vision-by-processing-data-close-to-the-source\/"},"modified":"2026-06-01T17:11:21","modified_gmt":"2026-06-01T14:11:21","slug":"desbloqueando-todo-el-potencial-de-la-vision-por-computadora-procesando-datos-cerca-de-la-fuente","status":"publish","type":"post","link":"https:\/\/stage.cactus-now.com\/es\/noticias-de-cactus\/desbloqueando-todo-el-potencial-de-la-vision-por-computadora-procesando-datos-cerca-de-la-fuente\/","title":{"rendered":"Desbloqueando todo el potencial de la Visi\u00f3n por Computadora procesando datos cerca de la fuente"},"content":{"rendered":"<p><strong>En el campo en r\u00e1pida evoluci\u00f3n de la inteligencia artificial, la Visi\u00f3n por Computadora se destaca como una tecnolog\u00eda transformadora con el potencial de revolucionar diversas industrias. Este art\u00edculo aclara varios aspectos del potencial de la Visi\u00f3n por Computadora, centr\u00e1ndose en los beneficios y desaf\u00edos de procesar datos cerca de la fuente. Para obtener conocimientos m\u00e1s profundos, Torsten Reidt, Ingeniero de IA del equipo Cactai, comparte su experiencia en el tema.<\/strong><\/p>\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n<p id=\"ember52\">En los \u00faltimos a\u00f1os, una de las principales tendencias en el desarrollo de la Inteligencia Artificial (IA) se puede resumir como \u00ab<strong>cuanto m\u00e1s grande, mejor<\/strong>\u00ab. Los modelos aumentaron de tama\u00f1o (n\u00famero de par\u00e1metros) debido a la disponibilidad de cantidades masivas de datos, el desarrollo de hardware especializado como GPU y TPU, y la disponibilidad de recursos inform\u00e1ticos. Recientemente, hemos observado una tendencia diferente y muy interesante: modelos m\u00e1s peque\u00f1os que requieren menos potencia computacional permiten la inferencia \u00aben el borde\u00bb (edge).<\/p>\n<p id=\"ember53\">Este blog explicar\u00e1 qu\u00e9 significa esto cuando se aplica a la visi\u00f3n por computadora. Tambi\u00e9n daremos una visi\u00f3n general r\u00e1pida de las diferencias entre la IA en la nube y la IA en el borde. Para refrescar la memoria, la visi\u00f3n por computadora es un subcampo del aprendizaje autom\u00e1tico (ML) que se centra en interpretar y comprender informaci\u00f3n a partir de datos de imagen, como detectar un autom\u00f3vil en una imagen tomada por una c\u00e1mara de vigilancia de tr\u00e1fico.<\/p>\n<h3 class=\"wp-block-heading\">Entrenamiento o Inferencia<\/h3>\n<p id=\"ember55\"><strong>El entrenamiento<\/strong> y <strong>la inferencia<\/strong> son dos fases cr\u00edticas en el ciclo de vida de un modelo de IA. La elecci\u00f3n de d\u00f3nde realizar estas fases\u2014ya sea en la nube o en el borde\u2014depende de varios factores como los requisitos computacionales, la privacidad de los datos, las necesidades de latencia y los costes de infraestructura. Mientras que el <strong>entrenamiento<\/strong> (alimentar grandes cantidades de datos a un modelo de aprendizaje autom\u00e1tico y ajustar los par\u00e1metros del modelo para mejorar su precisi\u00f3n) requiere un uso intensivo de computaci\u00f3n, necesita una potencia de procesamiento, memoria y almacenamiento significativos. Por lo tanto, a menudo se realiza en la nube.<\/p>\n<p id=\"ember56\">La <strong>inferencia<\/strong> es la fase en la que el modelo entrenado hace predicciones o decisiones basadas en nuevos datos. Esta fase requiere menos recursos que el entrenamiento, pero a\u00fan necesita un procesamiento eficiente. En este caso, la IA en el borde (Edge AI) es una opci\u00f3n plausible para habilitar un gran n\u00famero de aplicaciones.<\/p>\n<h3 class=\"wp-block-heading\">IA en el borde vs IA en la nube<\/h3>\n<p id=\"ember58\">En t\u00e9rminos generales, \u00abnube\u00bb y \u00aben el borde\u00bb o \u00abIA en el borde\u00bb se refieren a d\u00f3nde se implementan y ejecutan los modelos de IA. Un ejemplo de un dispositivo de borde ser\u00eda una c\u00e1mara de inspecci\u00f3n industrial. Estas c\u00e1maras suelen detectar caracter\u00edsticas espec\u00edficas en los productos, procesando los datos visuales en tiempo real para permitir una toma de decisiones r\u00e1pida en un entorno de producci\u00f3n.<\/p>\n<p id=\"ember59\">La IA en el borde es a menudo preferible para aplicaciones que requieren respuestas inmediatas, mientras que la IA en la nube es adecuada para tareas menos sensibles al tiempo. Adem\u00e1s de eso, la IA en el borde es ventajosa cuando se manejan datos sensibles, ya que mantiene los datos locales.<\/p>\n<p id=\"ember60\">Ahora que hemos aclarado el t\u00e9rmino \u00aben el borde\u00bb, comparamos la IA en el borde con la IA en la nube para algunas caracter\u00edsticas con el fin de destilar a\u00fan m\u00e1s la idea de \u00aben el borde\u00bb:<\/p>\n<figure class=\"wp-block-table\">\n<table class=\"has-fixed-layout\">\n<tbody>\n<tr>\n<td><strong>Caracter\u00edsticas<\/strong><\/td>\n<td><strong>En el borde<\/strong><\/td>\n<td><strong>Implementaci\u00f3n en la nube<\/strong><\/td>\n<\/tr>\n<tr>\n<td><strong>Procesamiento<\/strong><\/td>\n<td>Procesamiento en tiempo real en dispositivos locales<\/td>\n<td>Procesamiento centralizado en centros de datos en la nube<\/td>\n<\/tr>\n<tr>\n<td><strong>Latencia<\/strong><\/td>\n<td>Milisegundos a segundos<\/td>\n<td>Segundos a minutos (dependiendo de la conectividad de red)<\/td>\n<\/tr>\n<tr>\n<td><strong>Ancho de banda<\/strong><\/td>\n<td>Se requiere transmisi\u00f3n de datos m\u00ednima<\/td>\n<td>Grandes cantidades de datos transmitidos a la nube<\/td>\n<\/tr>\n<tr>\n<td><strong>Consumo de energ\u00eda<\/strong><\/td>\n<td>Optimizado para bajo consumo de energ\u00eda<\/td>\n<td>Alto consumo de energ\u00eda en centros de datos en la nube<\/td>\n<\/tr>\n<tr>\n<td><strong>Seguridad \/ Privacidad<\/strong><\/td>\n<td>Datos procesados localmente, reduciendo el riesgo de violaciones de datos<\/td>\n<td>Datos transmitidos a la nube, aumentando el riesgo de violaciones de datos<\/td>\n<\/tr>\n<tr>\n<td><strong>Mantenimiento<\/strong><\/td>\n<td>Se requiere mantenimiento y actualizaciones a nivel de dispositivo<\/td>\n<td>Mantenimiento y actualizaciones centralizados en la nube<\/td>\n<\/tr>\n<tr>\n<td><strong>Capacidad fuera de l\u00ednea<\/strong><\/td>\n<td>Puede operar sin conexi\u00f3n o con conectividad intermitente<\/td>\n<td>Requiere conectividad constante a Internet<\/td>\n<\/tr>\n<\/tbody>\n<\/table><figcaption class=\"wp-element-caption\">Comparaci\u00f3n de IA en el Borde con IA en la Nube<\/figcaption><\/figure>\n<h3 class=\"wp-block-heading\">Ventajas y desventajas de la IA en el borde<\/h3>\n<p id=\"ember64\">\u00bfCu\u00e1les son las razones para implementar un sistema de visi\u00f3n por IA en el borde y cu\u00e1les son las limitaciones o desaf\u00edos que uno podr\u00eda encontrar al hacerlo? Ya hemos visto las diferencias entre la IA en el borde y la IA en la nube, destaquemos algunas ventajas de la IA en el borde:<\/p>\n<ul class=\"wp-block-list\">\n<li><strong>Procesamiento en tiempo real<\/strong>: Al procesar los datos de imagen m\u00e1s cerca de la fuente, se reducen los tiempos de transmisi\u00f3n de datos, lo que reduce la latencia general.<\/li>\n<li><strong>Mayor autonom\u00eda<\/strong>: Los dispositivos con sistemas de IA pueden operar de forma independiente, incluso en ausencia de una conexi\u00f3n de red, lo que los hace adecuados para aplicaciones remotas o fuera de l\u00ednea.<\/li>\n<\/ul>\n<p id=\"ember66\">Hacer inferencia en el borde implica, por otro lado, ciertos desaf\u00edos:<\/p>\n<ul class=\"wp-block-list\">\n<li><strong>Recursos inform\u00e1ticos limitados<\/strong>: Los dispositivos de borde suelen tener recursos inform\u00e1ticos limitados, lo que restringe la selecci\u00f3n del modelo.<\/li>\n<li><strong>Mantenimiento y actualizaciones<\/strong>: Los dispositivos de borde pueden ser dif\u00edciles de mantener y actualizar, especialmente cuando se implementan en ubicaciones remotas o de dif\u00edcil acceso.<\/li>\n<\/ul>\n<h3 class=\"wp-block-heading\">Modelos y frameworks disponibles para sistemas de visi\u00f3n por IA en el borde<\/h3>\n<p id=\"ember70\">Antes de echar un vistazo al hardware disponible, queremos centrarnos en algunas de las opciones de software. El enfoque principal aqu\u00ed es el uso de software o modelos de IA optimizados para menos potencia computacional, menor consumo de energ\u00eda o disponibilidad de memoria reducida. En cuanto a los modelos, queremos mencionar algunas opciones populares:<\/p>\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/arxiv.org\/abs\/1506.02640\">YOLO (You Only Look Once)<\/a> viene en diferentes tama\u00f1os. Esto facilita la elecci\u00f3n del modelo adaptado al hardware disponible.<\/li>\n<li><a href=\"https:\/\/arxiv.org\/abs\/1704.04861\">MobileNet<\/a>, adaptado para su uso en hardware con recursos computacionales limitados.<\/li>\n<li><a href=\"https:\/\/arxiv.org\/abs\/1707.01083\">ShuffleNet<\/a>, dise\u00f1ado para dispositivos m\u00f3viles.<\/li>\n<li><a href=\"https:\/\/arxiv.org\/abs\/1602.07360\">SqueezeNet<\/a>, modelo optimizado y muy ligero.<\/li>\n<\/ul>\n<p>Frameworks:<\/p>\n<ul class=\"wp-block-list\">\n<li><a href=\"https:\/\/pytorch.org\/mobile\/home\/\">PyTorch Mobile<\/a>, entrenamiento e implementaci\u00f3n para dispositivos m\u00f3viles iOS y Android.<\/li>\n<li><a href=\"https:\/\/www.tensorflow.org\/lite\">TensorFlowLite<\/a>, una versi\u00f3n ligera de TensorFlow, optimizada para dispositivos de borde.<\/li>\n<li><a href=\"https:\/\/github.com\/openvinotoolkit\/openvino\">OpenVino<\/a>, para optimizar e implementar modelos de aprendizaje profundo en diferentes hardware.<\/li>\n<li><a href=\"https:\/\/opencv.org\/\">OpenCV<\/a>, una librer\u00eda de visi\u00f3n por computadora ampliamente utilizada que proporciona muchas funcionalidades para el procesamiento de im\u00e1genes y video.<\/li>\n<\/ul>\n<h3 class=\"wp-block-heading\">Hardware disponible para sistemas de visi\u00f3n por IA en el borde<\/h3>\n<p>Con hardware, nos referimos a los componentes necesarios para la implementaci\u00f3n y uso de los modelos de IA. Otros dispositivos necesarios, como almacenamiento de datos o modelos de conectividad, no se consideran en la siguiente descripci\u00f3n general de dispositivos.<\/p>\n<ol class=\"wp-block-list\">\n<li><a href=\"https:\/\/developer.nvidia.com\/embedded\/jetson-modules\">M\u00f3dulos NVIDIA Jetson<\/a>. Una serie de m\u00f3dulos que ofrecen alto rendimiento y bajo consumo de energ\u00eda.<\/li>\n<li><a href=\"https:\/\/www.asus.com\/us\/networking-iot-servers\/aiot-industrial-solutions\/tinker-series\/tinker-edge-t\/\">ASUS Tinker Edge T<\/a> que utiliza m\u00f3dulos <a href=\"https:\/\/coral.ai\/products\">Google Coral<\/a>.<\/li>\n<li><a href=\"https:\/\/www.intel.com\/content\/www\/us\/en\/developer\/topic-technology\/edge-5g\/hardware\/overview.html\">Kits de Desarrollo Fundamentales de Intel<\/a><\/li>\n<li><a href=\"https:\/\/www.raspberrypi.com\/for-industry\/\">Raspberry PI<\/a>, probablemente uno de los dispositivos m\u00e1s populares para aplicaciones en el borde<\/li>\n<\/ol>\n<p>Adem\u00e1s del hardware mencionado anteriormente, las crecientes capacidades de c\u00e1lculo de los tel\u00e9fonos inteligentes modernos hacen posible implementar modelos de IA directamente en estos dispositivos. Los tel\u00e9fonos inteligentes capaces de usar IA en dispositivos son, entre otros, el iPhone 15 Pro o el iPad Pro. La mayor\u00eda de los tel\u00e9fonos inteligentes de gama alta de los principales fabricantes son capaces de implementar modelos de IA en el dispositivo. <a href=\"https:\/\/stage.cactus-now.com\/es\/noticias-de-cactus\/el-auge-de-la-ia-en-el-desarrollo-movil-coreml-tensorflow-lite-y-mas-alla\/\">\u00a1Echa un vistazo a nuestro art\u00edculo relacionado sobre IA en dispositivos m\u00f3viles!<\/a><\/p>\n<h3 class=\"wp-block-heading\">Otros componentes clave<\/h3>\n<p>Tecnolog\u00edas como las <strong>c\u00e1maras CMOS<\/strong> han <strong> <\/strong> permitido la Visi\u00f3n por Computadora en el borde en diversas aplicaciones. Las c\u00e1maras CMOS (Complementary Metal-Oxide-Semiconductor) son un tipo prevalente de tecnolog\u00eda de imagen digital, ampliamente utilizada en dispositivos que van desde tel\u00e9fonos inteligentes hasta sistemas de visi\u00f3n artificial industriales. El componente central de estas c\u00e1maras es el sensor CMOS, que convierte la luz en se\u00f1ales el\u00e9ctricas para crear im\u00e1genes digitales. Estas c\u00e1maras ofrecen:<\/p>\n<ol class=\"wp-block-list\">\n<li><strong>Bajo consumo de energ\u00eda<\/strong>: Los sensores CMOS usan menos energ\u00eda en comparaci\u00f3n con otros sensores, lo que los hace adecuados para dispositivos alimentados por bater\u00eda.<\/li>\n<li><strong>Rentabilidad<\/strong>: La fabricaci\u00f3n de sensores CMOS es menos costosa debido a la integraci\u00f3n de circuitos adicionales en el mismo chip (por ejemplo, amplificadores, convertidores anal\u00f3gico-digitales), lo que reduce los costes generales de producci\u00f3n.<\/li>\n<li><strong>Operaci\u00f3n de alta velocidad<\/strong>: Estos sensores pueden leer datos a altas velocidades, lo que es beneficioso para aplicaciones que requieren captura y procesamiento de im\u00e1genes r\u00e1pidos.<\/li>\n<li><strong>Rango din\u00e1mico y sensibilidad<\/strong>: Los avances en la tecnolog\u00eda CMOS han mejorado su rango din\u00e1mico y sensibilidad, haci\u00e9ndolos adecuados para una gama m\u00e1s amplia de condiciones de iluminaci\u00f3n.<\/li>\n<\/ol>\n<h2 class=\"wp-block-heading\">Conclusi\u00f3n<\/h2>\n<p id=\"ember91\">La visi\u00f3n por computadora y la IA en el borde ofrecen m\u00faltiples beneficios y se convierten en una caracter\u00edstica clave para varias aplicaciones. La latencia reducida para tomar decisiones, la privacidad mejorada al evitar el intercambio de informaci\u00f3n a trav\u00e9s de m\u00faltiples redes, y el menor ancho de banda requerido son caracter\u00edsticas clave para diversas aplicaciones:<\/p>\n<ol class=\"wp-block-list\">\n<li><strong>Veh\u00edculos aut\u00f3nomos<\/strong>: La computaci\u00f3n en el borde permite el procesamiento en tiempo real de datos visuales de c\u00e1maras y sensores en autom\u00f3viles aut\u00f3nomos, permitiendo una toma de decisiones m\u00e1s r\u00e1pida y mejorando la seguridad.<\/li>\n<li><strong>Vigilancia inteligente<\/strong>: Los sistemas de visi\u00f3n por computadora basados en el borde pueden analizar feeds de video localmente, detectando actividades sospechosas y alertando a las autoridades sin necesidad de transmitir datos constantemente a un servidor central.<\/li>\n<li><strong>Automatizaci\u00f3n industrial<\/strong>: En la fabricaci\u00f3n, los dispositivos de borde equipados con visi\u00f3n por computadora pueden inspeccionar productos, identificar defectos y garantizar el control de calidad en tiempo real, mejorando la eficiencia y reduciendo el tiempo de inactividad.<\/li>\n<li><strong>An\u00e1lisis minorista<\/strong>: La computaci\u00f3n en el borde se puede utilizar en entornos minoristas para monitorear el comportamiento del cliente, gestionar el inventario y optimizar la distribuci\u00f3n de las tiendas procesando datos de c\u00e1maras y sensores en la tienda.<\/li>\n<li><strong>Agricultura<\/strong>: En la agricultura de precisi\u00f3n, los dispositivos de borde pueden analizar im\u00e1genes de drones o sensores terrestres para monitorear la salud de los cultivos, detectar plagas y optimizar el uso de recursos.<\/li>\n<li><strong>Edificios inteligentes<\/strong>: La computaci\u00f3n en el borde puede mejorar los sistemas de gesti\u00f3n de edificios procesando datos de c\u00e1maras y sensores en tiempo real para monitorear la ocupaci\u00f3n, optimizar el uso de energ\u00eda, mejorar la seguridad y gestionar los sistemas HVAC (Calefacci\u00f3n, Ventilaci\u00f3n y Aire Acondicionado) de manera eficiente. Por ejemplo, los dispositivos de borde pueden detectar habitaciones desocupadas y ajustar la configuraci\u00f3n de iluminaci\u00f3n y temperatura para ahorrar energ\u00eda.<\/li>\n<\/ol>\n<p id=\"ember93\">\u00bfSientes curiosidad por las \u00faltimas tendencias en IA? Sigue este <a href=\"https:\/\/stage.cactus-now.com\/es\/nuestro-blog\/revolucionando-las-empresas-y-nuestras-vidas-explorando-el-potencial-de-la-inteligencia-artificial\/\">enlace<\/a> para descubrir m\u00e1s art\u00edculos fascinantes en nuestro blog. \u00a1En Cactus, sobresalimos en todas estas capacidades y estamos listos para satisfacer tus necesidades!<\/p>\n<p>Por Torsten Reidt, Ingeniero de IA del equipo Cactai. \ud83c\udf35<\/p>\n","protected":false},"excerpt":{"rendered":"<p>En el campo en r\u00e1pida evoluci\u00f3n de la inteligencia artificial, la Visi\u00f3n por Computadora se destaca como una tecnolog\u00eda transformadora con el potencial de revolucionar diversas industrias. Este art\u00edculo aclara varios aspectos del potencial de la Visi\u00f3n por Computadora, centr\u00e1ndose en los beneficios y desaf\u00edos de procesar datos cerca de la fuente. Para obtener conocimientos [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":33881,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[690,700],"tags":[],"class_list":["post-33879","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias-de-cactus","category-nuestro-blog"],"acf":[],"_links":{"self":[{"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/posts\/33879","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/comments?post=33879"}],"version-history":[{"count":0,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/posts\/33879\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/media\/33881"}],"wp:attachment":[{"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/media?parent=33879"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/categories?post=33879"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/stage.cactus-now.com\/es\/wp-json\/wp\/v2\/tags?post=33879"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}