Detección Automática de Activos Eléctricos con IA de Aprendizaje Continuo

El registro manual de cada activo era el cuello de botella del inventario para la revisión tarifaria. Automatizamos esa etapa con IA: menos mano de obra, entrega más rápida.

Validado por IntellissisSector: Energía EléctricaEn operación desde mar/2026
3,4M imágenes procesadas
85,6% de precisión
17 clases de activos
Imagen de campo original Detección automática de 9 activos eléctricos AntesIA

Arrastra para revelar la detección automática — 9 activos identificados: transformador, poste de hormigón, seccionador fusible, red MT/BT, alumbrado público.

El Desafío

Una de las mayores distribuidoras de energía eléctrica del Estado de Río de Janeiro estaba haciendo el inventario de sus activos eléctricos, etapa obligatoria de la revisión tarifaria regulada por ANEEL, el regulador eléctrico de Brasil. Para ejecutar el servicio, contrató a Intellissis.

Una de las etapas del inventario era el registro manual de cada activo: alguien abría cada fotografía de campo, identificaba postes, transformadores, redes de media y baja tensión, seccionadores fusibles y placas de identificación, y lo digitaba todo en el sistema. Con millones de fotos, esa etapa consumía la mayor parte de la mano de obra de Intellissis y marcaba el plazo de entrega a la distribuidora.

Intellissis nos trajo ese cuello de botella. Nuestro punto de partida no fue la tecnología, fue el proceso: dónde está el trabajo repetitivo, cuánto cuesta y qué cambia cuando deja de ser manual. La respuesta fue una IA que detecta y registra los activos sola, y que sigue ganando precisión con el uso.

La Solución: Sistema + Método + Herramienta

Sistema — Aprendizaje Continuo

Cada inspección genera datos que retroalimentan el modelo. Los operadores validan o corrigen las detecciones, y ese feedback dispara automáticamente un nuevo ciclo de reentrenamiento. El modelo más preciso se promueve a producción sin intervención manual.

Método — Pipeline Estructurado

Desde la indexación del acervo hasta la anotación asistida, entrenamiento auditable, promoción automática del mejor modelo y loop de feedback operacional. Un proceso replicable desde la recolección hasta la producción.

Herramienta — Integración Real

API REST en producción y SDK .NET/C# integrados a los sistemas Windows de Intellissis, sin migración de infraestructura. El equipo de registro comenzó a usar IA sin percibir que trabajaba con machine learning.

La IA en acción

Arrastra cada imagen para comparar la foto original con la detección automática.

Imagen de campo original Detección automática de activos eléctricos AntesIA

9 detecciones simultáneas en entorno urbano.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Red de media y baja tensión con transformador.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Poste de hormigón y alumbrado público.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Infraestructura urbana con múltiples activos.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Red spacer — variación de infraestructura urbana.

Imagen de campo original Detección automática de activos eléctricos AntesIA

Clase rara: interruptor + placa de identificación.

Grid de las 17 clases de activos detectadas

Las 17 clases de activos detectadas — desde postes y transformadores hasta religadores y concentradores.

17 clases + OCR automático

Además de detectar 17 tipos de activos, el sistema lee automáticamente el texto en placas de identificación — extrayendo potencia, fabricante y número de patrimonio.

Placa original OCR leyendo la placa ROMAGNOLI AntesOCR

Placa "ROMAGNOLI" leída automáticamente por el sistema.

Dónde ha operado el sistema

Cada punto representa un poste procesado por la IA — cubriendo regiones urbanas, rurales y de protección ambiental del Estado de Río de Janeiro.

Mapa de cobertura — cada punto es un poste procesado

En números

Datos extraídos directamente de las bases de producción en junio/2026.

0
imágenes procesadas
0
precisión mAP50 (%)
0
tasa de éxito (%)
0
clases de activos
0
versiones de modelo
0
meses ininterrumpidos

Lo que este caso dice sobre tu proceso

Aquí la herramienta fue la detección de objetos en imágenes, porque el cuello de botella era mirar fotos y registrar lo que aparecía en ellas. En otro cliente el cuello de botella puede ser leer documentos, revisar planillas, conciliar asientos o programar un equipo. La tecnología cambia; el método es el mismo.

Mapeamos el proceso, encontramos la etapa que consume más horas y más plazo, y construimos la automatización que resuelve esa etapa, integrada a lo que tu equipo ya usa. El resultado que importa no es la IA en sí: es menos costo de mano de obra y una entrega más rápida a tu cliente.

Tecnologías utilizadas

Visión por ComputadorActive LearningOCRAPI RESTSDK .NET / C#PythonMachine Learning

Tráenos tu desafío.
Nosotros pensamos cómo resolverlo.

Si en tu proceso hay una etapa manual, repetitiva y costosa, lo más probable es que se pueda automatizar. Cuéntanos cuál es y diseñamos la solución.

Hablar con un especialista
Habla con nosotros