De píxeles a cifras. Y de cifras, a decisiones.
Las cámaras que ya tienes se convierten en contadores automáticos. El modelo se entrena con tus imágenes y el procesamiento ocurre en el propio sitio: del nodo 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.
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 con un recuento que puedes llevar directamente al 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 acierte más sobre tu escena.
No es un modelo que se instala y se olvida. Es un ciclo de seis pasos que se repite mientras dure la suscripción: capturar, curar y anotar no se detienen nunca, y entrenar, validar y desplegar se hacen con la cadencia de tu plan.
- 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. No cuesta nada recogerlo y es lo que alimenta el reentrenamiento.
- 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. Con el plan Básico eso ocurre una vez al año y con el Pro dos; los tres primeros pasos no se detienen entretanto, así que cuando toca entrenar el material lleva meses acumulándose.
La cuota cubre ese ciclo: el mantenimiento del nodo y el reentrenamiento del modelo sobre tu escena. Si la escena cambia antes de tiempo —obra nueva, cámara movida, sombra distinta— se puede adelantar un reentrenamiento.
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) | En operación normal del dispositivo solo sale un número o un estado. El vídeo continuo no sale nunca. |
| 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. Para acertar sobre ese encuadre, doscientas imágenes del sitio real valen más que cualquier dataset genérico.
-
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.
¿Tu escena es viable?
Es la pregunta que se responde primero, y se responde mirando la escena: distancia, óptica, iluminación y cuántos objetos hay dentro del encuadre. Con el formulario de abajo te decimos si merece la pena seguir.
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 WiFi ni SIM, siempre que le llegue una pasarela LoRaWAN.
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 € | Todo el primer punto incluido: dataset inicial, modelo a medida, el nodo instalado y el panel. No se le suma ninguna otra línea de esta tabla. |
| Modelo a medida adicional | 1.500 – 3.500 € | Según número de clases y dificultad. |
| Nodo edge instalado · cada punto a partir del segundo | 900 – 1.800 € / punto | Hardware, configuración, calibración y puesta en marcha. El primer punto ya va dentro de la prueba piloto. |
| Campaña de dron · tejados | 450 – 900 € / edificio | Vuelo, procesado e informe. |
Cómo trabajamos
- La prueba piloto se factura, y se descuenta del despliegue si continúas. Así el piloto es un proyecto con dedicación real, no una demostración que se alarga.
- La cuota mensual paga el mantenimiento del nodo y el reentrenamiento del modelo sobre tu escena. Lo que compras es precisión que se mantiene al día.
- El hardware se factura aparte y queda tuyo. Lo separamos del precio para que puedas ver lo que cuesta cada cosa.
Precios sin IVA y orientativos. La cifra final se cierra en el estudio de viabilidad, después de ver la escena.
Lo que nos preguntan antes de decidirse.
Siete preguntas que salen en cada primera conversación. Las respondemos aquí con la misma cifra que te daríamos por teléfono.
¿Sirve la cámara que ya tengo instalada?
En la mayoría de casos, sí. Si publica un flujo RTSP y ve la escena que quieres contar, el coste de captura para ti es cero: solo añadimos un nodo que la lee. El estudio de viabilidad lo confirma antes de que compres nada.
¿Cuánto cuesta contar coches con la cámara que ya tengo?
Una prueba piloto de una cámara y seis semanas cuesta entre 1.500 y 2.500 €, e incluye el dataset inicial, el modelo a medida, el nodo instalado y el panel. A partir de ahí la suscripción va de 39 a 79 € por cámara y mes. El estudio de viabilidad previo cuesta entre 600 y 1.200 € y se descuenta del proyecto.
¿Las imágenes salen de mi instalación?
El vídeo continuo, no: el nodo lee el frame, lo procesa y lo descarta, sin grabación ni copia en la nube. En condiciones normales lo que viaja es un número o un estado. Hay dos excepciones, ambas pactadas antes de instalar: la captura que acompaña a una alerta, que solo se envía si en la escena no hay personas, y los frames dudosos que se guardan para reentrenar el modelo sobre tu escena. Si no quieres ninguna de las dos, se pueden desactivar.
¿Qué precisión puedo esperar?
Depende de la escena, y por eso no damos una cifra antes de verla. El estudio de viabilidad entrega por escrito la precisión esperable para tu caso concreto: distancia, óptica, iluminación y densidad de objetos mandan más que el modelo.
¿Cuánto se tarda desde que decidimos hasta tener un número?
De cuatro a seis semanas para un primer punto: capturar el dataset lleva de cinco a diez días, anotar y entrenar unos días más, y el resto es instalación y calibración.
¿Funciona en un sitio sin WiFi ni cobertura móvil?
Sí. Un conteo cabe en dos bytes, así que el nodo puede publicar por LoRaWAN desde un poste sin SIM ni cuota de datos. Es la diferencia entre poder instalar en un contenedor apartado o no poder.
¿Detecta el nivel de llenado dentro del contenedor?
No. La cámara ve el desbordamiento exterior y el voluminoso abandonado al lado, no el nivel interior. Para el nivel ponemos un sensor ultrasónico dentro. Más vale saberlo antes de decidir.
Empecemos por una cámara.
Cinco respuestas y te decimos si tu escena es viable. Sin llamada comercial de por medio.