Las redes neuronales pueden reconocer los procesos de producción por video para mejorar la seguridad y la eficiencia industrial
Ejemplos de procesos recolectados. Crédito: IEEE Access (2025). Doi: 10.1109/access.2025.3545768
Un equipo de investigación del Centro Skoltech AI y la Universidad Samara ha desarrollado un sistema para separar automáticamente las etapas de los procesos de producción de las transmisiones de video. Las cámaras industriales detectarán desviaciones en el proceso de producción en sí mismas e incluso evitarán accidentes. Al emplear el enfoque de aprendizaje auto-supervisado, el costo del markup de datos manuales se puede reducir, mientras que se puede aumentar la estabilidad del modelo en condiciones reales. Los resultados de la investigación se presentan en el IEEE Access Journal.
La tecnología está diseñada para la segmentación del tiempo de transmisiones de video de sitios de producción. El sistema comprende la etapa de una operación, como el cambio de aceite o el ensamblaje de componentes, y resalta automáticamente los puntos clave en el video.
“La introducción de tales sistemas proporciona ahorros reales: ahora no hay necesidad de procesar manualmente cientos de horas de videos para capacitar a una red neuronal para reconocer las etapas de producción”, explica Maxim Aleshin, un ingeniero líder de aprendizaje automático en el Skoltech AI Center.
“El modelo identificará de forma independiente los patrones en grandes volúmenes de materia prima. Esto permite que las cámaras industriales detecten desviaciones del curso normal del proceso en tiempo real y ayuden a prevenir emergencias”.
La red neuronal está entrenada en una gran variedad de grabaciones de video no etiquetadas, identificando independientemente las características clave sin la contribución humana. Luego se somete a un entrenamiento adicional sobre una pequeña muestra marcada y se adapta a tareas específicas (por ejemplo, para clasificar eventos como “cambio de rueda”, “cambio de aceite” y “estado estático”). El sistema ha mostrado una alta velocidad de procesamiento de flujo de video, lo que lo hace adecuado para el uso en tiempo real en entornos industriales.
Según Svetlana Illarpova, quien dirige un grupo de investigación en el Centro Skoltech AI, la tecnología formará parte de soluciones más amplias para garantizar la seguridad industrial y optimizar los procesos de producción.
En el futuro cercano, el equipo planea expandir el número de escenarios compatibles y tipos de operaciones de producción, probar el sistema en instalaciones del mundo real con monitoreo continuo de una gran cantidad de procesos e integrar el enfoque en los sistemas para la videovigilancia inteligente en sitios industriales.
“Es precisamente estos proyectos los que hacen que la producción sea más segura e inteligente. Estamos seguros de que la técnica propuesta encontrará una aplicación más allá de las líneas de ensamblaje clásicas”, enfatizó Svetlana Illarpova.
Más información: Yuliya Vybriova et al, aprendizaje auto-supervisado para la segmentación de acción temporal en videos industriales y de fabricación, IEEE Access (2025). Doi: 10.1109/access.2025.3545768
Proporcionado por el Instituto de Ciencia y Tecnología Skolkovo
Cita: las redes neuronales pueden reconocer los procesos de producción por video para mejorar la seguridad industrial y la eficiencia (2025, marzo) Recuperado el 24 de marzo de 2025 de https://techxplore.com/news/2025-03-neural-networks-production-video-industrial.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
