De píxels a xifres. I de xifres, a decisions.
Les càmeres que ja tens es converteixen en comptadors automàtics. El model s’entrena amb les teves imatges i el processament passa al mateix lloc: del node en surt el número, no el vídeo.
Escena de demostració. El nombre d’objectes detectats es calcula en temps real a partir dels objectes visibles dins l’enquadrament.
Un motor, quatre aparadors.
Cada vertical és una configuració distinta de la mateixa plataforma: mateixa captura, mateixa inferència al node, mateix panell. Canvia la classe que es compta i el color amb què es dibuixa.
Pàrquing
Quants cotxes hi ha ara i quants n’hi ha hagut cada hora del darrer mes.
La teva càmera de seguretat ja està gravant el pàrquing. Només falta que qualcú llegeixi el que veu, i aquest qualcú no ha de ser per força una persona.
Veure ocupació d’aparcaments → Comptam TeulesTeulades
El nombre exacte de teules d’una teulada, amb un vol de vint minuts.
Sense bastida, sense pujar ningú a la teulada i amb un recompte que pots dur directament al pressupost de material.
Veure inventari de teulades amb dron → Comptam FondeigFondejadors
Quantes embarcacions, on exactament i quant de temps s’hi queden.
La mar és un pla perfecte: quatre punts de referència basten per convertir píxels en coordenades reals.
Veure comptatge d’embarcacions fondejades → Guaitam ResidusResidus
Avís quan apareix un voluminós o el contenidor desborda. En minuts.
No la setmana següent, quan es queixa un veïnat: als vint minuts, amb foto i punt exacte.
Veure detecció d’abocaments a contenidors →El bucle que fa que encerti més damunt la teva escena.
No és un model que s’instal·la i s’oblida. És un cicle de sis passes que es repeteix mentre duri la subscripció: capturar, curar i anotar no s’aturen mai, i entrenar, validar i desplegar es fan amb la cadència del teu pla.
- 01
Capturar
Frames reals de la teva escena, amb la càmera definitiva i repartits en dies: sol, ennuvolat, nit, pluja, ple i buit. Varietat abans que volum.
- 02
Curar
Tot frame amb deteccions dins la franja de confiança dubtosa es guarda per revisar, juntament amb els falsos positius que ens reportes. No costa res de recollir i és el que alimenta el reentrenament.
- 03
Anotar
El model actual preanota i una persona corregeix. Anotar així costa entre un 60 i un 80 % menys que començar de zero cada vegada.
- 04
Entrenar
Ajust fi amb GPU al núvol. Un model a mida surt per uns pocs euros de còmput i menys d’una hora.
- 05
Validar
Contra un conjunt de test congelat que mai entra a l’entrenament. Cap model es desplega sense superar l’anterior damunt aquest mateix conjunt.
- 06
Desplegar
El model nou baixa al node. Amb el pla Bàsic això passa un cop l’any i amb el Pro dos; les tres primeres passes no s’aturen entremig, així que quan toca entrenar el material ja fa mesos que s’acumula.
La quota cobreix aquest cicle: el manteniment del node i el reentrenament del model damunt la teva escena. Si l’escena canvia abans que toqui —obra nova, càmera moguda, ombra distinta— es pot avançar un reentrenament.
El vídeo es queda allà on hi ha la càmera.
Processam dins el mateix dispositiu i enviam només el número. Menys dades a protegir, menys amplada de banda, menys tràmits.
Frame → inferència → descart. El node no emmagatzema vídeo.
| Principi RGPD | Com ho compleix el producte |
|---|---|
| Minimització (art. 5) | En operació normal del dispositiu només en surt un número o un estat. El vídeo continu no en surt mai. |
| Privacitat des del disseny (art. 25) | La dada personal no arriba a existir fora del node. |
| Limitació de conservació | Els frames es processen i es descarten; no hi ha gravació contínua. |
| Proporcionalitat | La càmera no identifica persones: compta objectes. |
Un model genèric ha vist milions de cotxes. Cap era el teu.
Entrenam amb imatges de la teva escena: el teu angle, la teva òptica, les teves ombres a les sis del capvespre. Per això encerta on els altres fallen.
Ha vist milions de fotos d’internet. Cap des del teu pal, amb la teva òptica i la teva compressió de vídeo.
Ha vist la teva escena amb sol, amb pluja, plena i buida. Per encertar damunt aquest enquadrament, dues-centes imatges del lloc real valen més que qualsevol dataset genèric.
-
La bretxa de domini
Un model públic ha vist cotxes, però no ha vist el teu pàrquing des del teu pal amb l’ombra de la teva palmera a les 18:40 de juliol. Aquesta distància és on es perden les deteccions.
-
Varietat abans que volum
De 150 a 300 imatges ben repartides entre sol, ennuvolat, nit, pluja, ple i buit baten 2.000 fetes totes a la mateixa hora.
-
La teva taxonomia, no la d’un dataset públic
Definim la classe que necessites comptar, no la que du el catàleg. El teu «cotxe» pot incloure la furgoneta que els datasets públics anomenen camió.
-
Validació innegociable
De 50 a 80 imatges per client es congelen i mai entren a l’entrenament. Cap model es desplega sense comparar-lo contra elles.
La teva escena és viable?
És la pregunta que es respon primer, i es respon mirant l’escena: distància, òptica, il·luminació i quants objectes hi ha dins l’enquadrament. Amb el formulari de baix et deim si val la pena continuar.
El número aterra allà on ja mires.
Grafana, MQTT, la teva API, o un missatge de Telegram a la brigada. No et demanam que obris una pestanya més.
Això és el que surt del node
{
"site": "hotel-x-parking",
"ts": "2026-08-03T18:40:12Z",
"class": "car",
"count": 37,
"capacity": 48,
"state": "normal",
"conf_mean": 0.91,
"model": "hotel-x-parking@v2.1"
}Un comptatge cap en dos bytes. Per això un node pot publicar per LoRaWAN des d’un pal sense WiFi ni SIM, sempre que hi arribi una passarel·la LoRaWAN.
Començam per una càmera.
Sis setmanes, un punt, un número real dins un panell real. Si funciona, ampliam.
- Panell d’ocupació i històric
- Alertes per Telegram o correu
- Manteniment del node
- 1 reentrenament a l’any
- Tot el del Bàsic
- API REST i integracions
- 2 reentrenaments a l’any
- SLA en horari laborable
- Multipunt
- Informes trimestrals
- Suport a plec
- Suport al delegat de protecció de dades
Posada en marxa
| Estudi de viabilitat | 600 – 1.200 € | Visita, anàlisi de l’escena, informe amb precisió esperable. Descomptable del projecte. |
| Prova pilot · una càmera, 6 setmanes | 1.500 – 2.500 € | Tot el primer punt inclòs: dataset inicial, model a mida, el node instal·lat i el panell. No s’hi suma cap altra línia d’aquesta taula. |
| Model a mida addicional | 1.500 – 3.500 € | Segons nombre de classes i dificultat. |
| Node edge instal·lat · cada punt a partir del segon | 900 – 1.800 € / punt | Maquinari, configuració, calibratge i posada en marxa. El primer punt ja va dins la prova pilot. |
| Campanya de dron · teulades | 450 – 900 € / edifici | Vol, processat i informe. |
Com feim feina
- La prova pilot es factura, i es descompta del desplegament si continues. Així el pilot és un projecte amb dedicació real, no una demostració que s’allarga.
- La quota mensual paga el manteniment del node i el reentrenament del model damunt la teva escena. El que compres és precisió que es manté al dia.
- El maquinari es factura a part i queda teu. Ho separam del preu perquè puguis veure què costa cada cosa.
Preus sense IVA i orientatius. La xifra final es tanca a l’estudi de viabilitat, després de veure l’escena.
El que ens demanen abans de decidir-se.
Set preguntes que surten a cada primera conversa. Les responem aquí amb la mateixa xifra que et donaríem per telèfon.
Serveix la càmera que ja tenc instal·lada?
A la majoria de casos, sí. Si publica un flux RTSP i veu l’escena que vols comptar, el cost de captura per a tu és zero: només hi afegim un node que la llegeix. L’estudi de viabilitat ho confirma abans que compris res.
Quant costa comptar cotxes amb la càmera que ja tenc?
Una prova pilot d’una càmera i sis setmanes costa entre 1.500 i 2.500 €, i inclou el dataset inicial, el model a mida, el node instal·lat i el panell. A partir d’aquí la subscripció va de 39 a 79 € per càmera i mes. L’estudi de viabilitat previ costa entre 600 i 1.200 € i es descompta del projecte.
Les imatges surten de la meva instal·lació?
El vídeo continu, no: el node llegeix el frame, el processa i el descarta, sense gravació ni còpia al núvol. En condicions normals el que viatja és un número o un estat. Hi ha dues excepcions, totes dues pactades abans d’instal·lar: la captura que acompanya una alerta, que només s’envia si a l’escena no hi ha persones, i els frames dubtosos que es guarden per reentrenar el model damunt la teva escena. Si no en vols cap de les dues, es poden desactivar.
Quina precisió puc esperar?
Depèn de l’escena, i per això no donam una xifra abans de veure-la. L’estudi de viabilitat lliura per escrit la precisió esperable per al teu cas concret: distància, òptica, il·luminació i densitat d’objectes manen més que el model.
Quant es tarda des que ho decidim fins a tenir un número?
De quatre a sis setmanes per a un primer punt: capturar el dataset du de cinc a deu dies, anotar i entrenar uns dies més, i la resta és instal·lació i calibratge.
Funciona a un lloc sense WiFi ni cobertura mòbil?
Sí. Un comptatge cap en dos bytes, així que el node pot publicar per LoRaWAN des d’un pal sense SIM ni quota de dades. És la diferència entre poder instal·lar a un contenidor apartat o no poder-hi.
Detecta el nivell d’ompliment dins el contenidor?
No. La càmera veu el desbordament exterior i el voluminós abandonat al costat, no el nivell interior. Per al nivell hi posam un sensor ultrasònic dedins. Val més saber-ho abans de decidir.
Començam per una càmera.
Cinc respostes i et deim si la teva escena és viable. Sense telefonada comercial pel mig.