Lo vemos. Lo contamos.
Visión artificial que convierte las cámaras que ya tienes en contadores automáticos. El modelo se entrena con tus imágenes y el procesamiento ocurre en el propio sitio: sale el número, no el vídeo.
Escena de demostración. El número de objetos detectados se calcula en tiempo real a partir de los objetos visibles en el encuadre.
Pruébalo con una imagen tuya.
Arrastra una foto: tu parking, tu tejado, tu calle. El detector se descarga y se ejecuta dentro de tu navegador, no en nuestro servidor.
modelo genérico · COCO · Apache-2.0 Esta demostración usa un modelo genérico de licencia abierta, no uno entrenado para tu escena. Detecta coches, personas o embarcaciones; no detecta tejas ni contenedores desbordados. Esa diferencia es exactamente lo que vendemos.
- Objetos detectados
- —
- Tiempo de inferencia
- —
Tu imagen no ha salido de tu navegador.
Así funciona también nuestro producto: el procesamiento ocurre donde está la cámara. Lo que viaja es el número.
¿Quieres esta precisión sobre tu escena real? Entrenamos con tus imágenes. →
Un motor, cuatro escaparates.
Cada vertical es una configuración distinta de la misma plataforma: misma captura, misma inferencia en el borde, mismo panel. Cambia la clase que se cuenta y el color con que se dibuja.
Parking
Cuántos coches hay ahora y cuántos ha habido cada hora del último mes.
Tu cámara de seguridad ya está grabando el parking. Solo falta que alguien lea lo que ve, y ese alguien no tiene por qué ser una persona.
Ver ocupación de aparcamientos → Comptam TeulesTejados
El número exacto de tejas de un tejado, con un vuelo de veinte minutos.
Sin andamio, sin subir a nadie al tejado y sin margen de error en el presupuesto de material.
Ver inventario de tejados con dron → Comptam FondeigFondeaderos
Cuántas embarcaciones, dónde exactamente y cuánto tiempo se quedan.
El mar es un plano perfecto: cuatro puntos de referencia bastan para convertir píxeles en coordenadas reales.
Ver conteo de embarcaciones fondeadas → Guaitam ResidusResiduos
Aviso cuando aparece un voluminoso o el contenedor desborda. En minutos.
No a la semana siguiente, cuando se queja un vecino: a los veinte minutos, con foto y punto exacto.
Ver detección de vertidos en contenedores →El bucle que hace que cada trimestre acierte más.
No es un modelo que se instala y se olvida. Es un ciclo de seis pasos que se repite mientras dure la suscripción, y cada vuelta mejora sobre tu escena concreta.
- 01
Capturar
Frames reales de tu escena, con la cámara definitiva y repartidos en días: sol, nublado, noche, lluvia, lleno y vacío. Variedad antes que volumen.
- 02
Curar
Todo frame con detecciones en la franja de confianza dudosa se guarda para revisión, junto con los falsos positivos que nos reportas. Es combustible gratuito.
- 03
Anotar
El modelo actual preanota y una persona corrige. Anotar así cuesta entre un 60 y un 80 % menos que empezar de cero cada vez.
- 04
Entrenar
Fine-tuning en GPU en la nube. Un modelo a medida sale por unos pocos euros de cómputo y menos de una hora.
- 05
Validar
Contra un conjunto de test congelado que jamás entra en entrenamiento. Ningún modelo se despliega sin superar al anterior sobre ese mismo conjunto.
- 06
Desplegar
El nuevo modelo baja al nodo. Y vuelta a empezar: la escena sigue cambiando, y el modelo con ella.
Por eso la suscripción no es un alquiler disfrazado: pagas por un modelo que cada trimestre acierta más, no por un servidor encendido.
El vídeo se queda donde está la cámara.
Procesamos en el propio dispositivo y enviamos solo el número. Menos datos que proteger, menos ancho de banda, menos trámites.
Frame → inferencia → descarte. El nodo no almacena vídeo.
| Principio RGPD | Cómo lo cumple el producto |
|---|---|
| Minimización (art. 5) | Solo sale del dispositivo un número o un estado. La imagen no viaja. |
| Privacidad desde el diseño (art. 25) | El dato personal no llega a existir fuera del nodo. |
| Limitación de conservación | Los frames se procesan y se descartan; no hay grabación continua. |
| Proporcionalidad | La cámara no identifica personas: cuenta objetos. |
Un modelo genérico ha visto millones de coches. Ninguno era el tuyo.
Entrenamos con imágenes de tu escena: tu ángulo, tu óptica, tus sombras a las seis de la tarde. Por eso acierta donde los demás fallan.
Ha visto millones de fotos de internet. Ninguna desde tu poste, con tu óptica y tu compresión de vídeo.
Ha visto tu escena en sol, en lluvia, llena y vacía. Doscientas imágenes del sitio real superan a nueve millones de imágenes genéricas.
-
La brecha de dominio
Un modelo público ha visto coches, pero no ha visto tu parking desde tu poste con la sombra de tu palmera a las 18:40 de julio. Esa distancia es donde se pierden las detecciones.
-
Variedad antes que volumen
De 150 a 300 imágenes bien repartidas entre sol, nublado, noche, lluvia, lleno y vacío baten a 2.000 tomadas todas a la misma hora.
-
Tu taxonomía, no la de un dataset público
Definimos la clase que necesitas contar, no la que trae el catálogo. Tu «coche» puede incluir la furgoneta que los datasets públicos llaman camión.
-
Validación innegociable
De 50 a 80 imágenes por cliente se congelan y jamás entran en entrenamiento. Ningún modelo se despliega sin comparar contra ellas.
El número aterriza donde ya miras.
Grafana, MQTT, tu API, o un mensaje de Telegram a la brigada. No te pedimos que abras otra pestaña más.
Esto es lo que sale del nodo
{
"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 conteo cabe en dos bytes. Por eso un nodo puede publicar por LoRaWAN desde un poste sin cobertura ni SIM.
Empecemos por una cámara.
Seis semanas, un punto, un número real en un panel real. Si funciona, ampliamos.
- Panel de ocupación e histórico
- Alertas por Telegram o correo
- Mantenimiento del nodo
- 1 reentrenamiento al año
- Todo lo de Bàsic
- API REST e integraciones
- 2 reentrenamientos al año
- SLA en horario laborable
- Multipunto
- Informes trimestrales
- Soporte a pliego
- Soporte al delegado de protección de datos
Puesta en marcha
| Estudio de viabilidad | 600 – 1.200 € | Visita, análisis de la escena, informe con precisión esperable. Descontable del proyecto. |
| Prueba piloto · una cámara, 6 semanas | 1.500 – 2.500 € | Dataset inicial, modelo a medida, nodo instalado y panel. |
| Modelo a medida adicional | 1.500 – 3.500 € | Según número de clases y dificultad. |
| Nodo edge instalado | 900 – 1.800 € / punto | Hardware, configuración, calibración y puesta en marcha. |
| Campaña de dron · tejados | 450 – 900 € / edificio | Vuelo, procesado e informe. |
Cómo trabajamos
- El piloto nunca es gratis. Un piloto gratis no tiene interlocutor comprometido. Se descuenta del despliegue si se convierte.
- La suscripción se justifica por el reentrenamiento, no por el alojamiento. Vendemos precisión creciente, no un servidor encendido.
- El hardware se factura aparte y con margen honesto. Nada de regalarlo dentro de la cuota.
Precios orientativos. La cifra final se cierra en el estudio de viabilidad, después de ver la escena.
Empecemos por una cámara.
Cuatro respuestas y te decimos si tu escena es viable. Sin llamada comercial de por medio.