Soy Akio, ingeniero en una startup de inteligencia artificial, y después de pasar 14 horas al día experimentando con modelos como Claude decidí convertir una frustración doméstica en una prueba de concepto útil: construir un refrigerador inteligente con una cámara IoT ESP32S3-CAM de apenas $15 y el modelo de segmentación SAM 3 para resolver el problema de beber agua tibia por no tener las botellas en la nevera.
La tarea parece trivial pero desde la perspectiva de visión por computador es un reto de alto nivel. Las botellas de agua son objetos transparentes que reflejan la luz y permiten que el fondo se vea a través de ellas. Las baldas transparentes de muchas neveras complican la segmentación porque los modelos pueden confundir los bordes de la balda con límites de objetos, y las condiciones de iluminación interiores tienen contrastes extremos entre la parte frontal iluminada y el fondo oscuro. Si podemos detectar correctamente botellas en ese entorno, muchos problemas de visión industrial quedan resueltos.
Arquitectura del sistema: ojos en el borde con un cerebro potente. Dispositivo edge: ESP32S3-CAM como cámara de bajo coste. Servidor local: máquina con capacidad de inferencia que ejecuta SAM 3. Comunicación: WiFi mediante HTTP POST para enviar imágenes y recibir máscaras de segmentación, recuentos y metadatos. El ESP32 actúa solo como capturador de imágenes; toda la inferencia la realiza el servidor, lo que permite usar modelos avanzados sin subir datos a la nube si se prefiere privacidad o latencias bajas.
La revelación más interesante fue lograr resultados sin ajustar nada al entorno. No hicimos calibraciones específicas para modelos de nevera ni entrenamientos con marcas concretas de botellas. No se fijó la cámara en una posición perfecta ni se retocaron umbrales de procesamiento. SAM 3 fue capaz de segmentar las botellas pese a reflejos, transparencias y sombras sobre estantes transparentes. Esto demuestra el valor de los modelos fundacionales para evitar la sobreoptimización manual y reducir costes y tiempos de despliegue.
Resultados y aplicaciones: la segmentación fue notablemente precisa y robusta. Además de ahorrar el drama del agua tibia en casa, esta aproximación tiene aplicaciones directas en robótica industrial, inspección automatizada y logística, donde reconocer objetos transparentes o parcialmente ocultos es crucial. Como empresa de desarrollo, en Q2BSTUDIO trabajamos precisamente para transformar experimentos como este en soluciones comerciales: desde software a medida hasta plataformas de IA para empresas.
En Q2BSTUDIO ofrecemos desarrollo de aplicaciones y software a medida para integrar sensores IoT, cámaras y modelos de visión, además de servicios de inteligencia artificial para empresas que necesitan desplegar agentes IA, visión por computador o sistemas de inferencia en el borde. También contamos con experiencia en ciberseguridad, servicios cloud AWS y Azure, inteligencia de negocio y Power BI para monitorizar y explotar los datos que generan estos sistemas.
Palabras clave: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi. Si te interesa prototipar un refrigerador inteligente, automatizar inventarios con visión por computador o explorar cómo la IA fundacional puede acelerar tus despliegues, en Q2BSTUDIO podemos ayudarte a pasar del PoC a una solución productiva y segura.
Si tienes comentarios, dudas técnicas o quieres que desarrollemos un proyecto a medida basado en este tipo de arquitectura, ponte en contacto con nosotros y convertiremos la idea en un servicio escalable y adaptado a tus necesidades.
