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.

🛠 Responsabilidades

• 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.

🔍 Ejemplos de anomalías a detectar

El sistema deberá identificar defectos como:

• nudos

• grietas

• deformaciones

• manchas

• irregularidades de superficie

🧠 Requisitos técnicos

• 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.

⭐ Valorable

• Experiencia con LLMs para explainability o reasoning.

• Experiencia en inspección industrial automatizada.

• Conocimiento en pipelines de visión artificial en entornos industriales.