Detección de anomalías con Edge Machine Learning

La detección de anomalías es fundamental en procesos industriales, control de calidad, mantenimiento predictivo y seguridad, ya que permite identificar comportamientos inesperados antes de que se conviertan en fallas, pérdidas económicas o riesgos operativos.

Aunque históricamente fue un privilegio de grandes corporaciones con enormes datasets e infraestructura costosa, hoy es posible implementar sistemas de detección de anomalías utilizando hardware accesible y modelos compactos de Machine Learning.

Esta charla recorre la evolución histórica de la detección de anomalías —desde métodos manuales y ópticos hasta enfoques actuales basados en IA— y explica por qué este problema es diferente de la clasificación tradicional de objetos. También se abordarán los desafíos técnicos más comunes, incluyendo la asimetría de datos (los eventos anómalos son poco frecuentes y esto dificulta el uso de clasificación supervisada tradicional)

** La presentación finaliza con la construcción paso a paso de un detector visual de anomalías utilizando Raspberruy Pi y una cámara USB estándar. **

- Qué es el Edge Machine Learning
- Métodos históricos de detección de anomalías
- Diferencias entre detección de anomalías y clasificación de objetos
- Asimetría de datos
- Ventajas de modelos compactos de ML frente a grandes VLMs
- Opciones posteriores a la detección: alarmas, automatización, logging y reacciones físicas
- Construcción de un detector visual de anomalías utilizando hardware commodity