Detectar defectos volumétricos en piezas con visión estéreo
Visión general
De qué trata este proyecto.
Diseñarás una tubería que (1) calcula el mapa de disparidad y la nube de puntos a partir del par estéreo, (2) alinea esa nube con el CAD de referencia mediante Iterative Closest Point (ICP), (3) calcula desviaciones por vértice y (4) emite pasa/no pasa con un mapa de calor superpuesto sobre la pieza. Te darán 500 pares estéreo etiquetados (300 OK, 200 defectuosas con anotaciones de zona). El éxito es detección de defectos con recall por encima del 95% y tasa de falsos positivos por debajo del 3%, todo ello con inferencia inferior a 2 segundos en una GPU de planta.
El Briefing
Lo que harás y lo que demostrarás.
Construir una tubería de visión estéreo que detecte defectos volumétricos en piezas inyectadas con recall por encima del 95% y latencia por debajo de 2 segundos.
Earning criteria — what you'll demonstrate
- Aplicar visión estéreo y estimación de profundidad a piezas industriales reales
- Registrar nubes de puntos contra modelos CAD con ICP y variantes
- Definir umbrales de decisión que equilibren recall y falsos positivos en un proceso industrial
- Comunicar resultados a un comité de calidad no técnico
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de Visión por Computador
Reconstruir geometría a partir de visión estéreo y compararla con un modelo de referencia es la columna vertebral del trabajo de inspección visual en automoción y fabricación.
Este proyecto afina
- stereo-vision
- depth-estimation
- point-cloud-processing
Machine Learning Engineer
Acotar latencia, recall y falsos positivos sobre un dataset industrial es ingeniería ML aplicada en estado puro: el reto entrena la disciplina de SLO y matriz de confusión por turno.
Este proyecto afina
- python
- depth-estimation
- cad-comparison
Applied AI Scientist
Comparar variantes clásicas y aprendidas con métricas de producción es la forma en que una persona Applied AI Scientist justifica decisiones técnicas ante un comité industrial.
Este proyecto afina
- stereo-vision
- icp-registration
- cad-comparison