← Indumia Lab

Vigie IRVE

Una videovigilancia que analiza lo que graba y alerta en caso de corte de cable o daños en un punto de recarga.

Tipo
POC · Visión IA (LVLM)
Estado
◐ Prototipo Edge
Año
2026
Licencia
Código abierto
Para
Estaciones de recarga
Code
Próximamente en GitHub

El problema

Robos de cable y cargadores vandalizados, a menudo de noche.

Un cargador fuera de servicio es caro de reparar y perjudica a los usuarios. La videovigilancia clásica graba, pero nadie mira las imágenes en directo, y la detección de movimiento genera muchas falsas alarmas.

El enfoque

Dos niveles de análisis.

Un mini PC conectado a las cámaras IP existentes detecta y sigue a las personas in situ. Solo las escenas sospechosas se envían a un LVLM, que analiza el contexto (capucha, ausencia de vehículo, cable manipulado, armario abierto…) y explica su decisión.

No hay que sustituir ninguna cámara.

Pipeline

El tratamiento de una imagen.

Cámaras IP

Flujos RTSP H.264 / H.265, multicámara, conexión en caliente.

Detección

YOLO26 ajustado + seguimiento de identidad BoT-SORT con ReID.

Zonas & disparadores

Polígonos alrededor de los cargadores, nueva persona, temporizador, antiduplicados.

Difuminado

Rostros difuminados in situ antes de cualquier envío (YuNet).

Análisis LVLM

Gemini o Mistral: descripción, veredicto y puntuación de fiabilidad en JSON.

Alerta

Captura marcada como «ALERTA» en la interfaz de supervisión.

0,89mAP50 del modelo YOLO26s ajustado
0,90precisión sobre 8.821 imágenes de validación
10clases de seguridad: pasamontañas, herramienta, cable dañado, vandalismo…
20FPSde captura en CPU, validado con cámara real

Por qué es diferente

Menos falsas alarmas.

Contexto

Un análisis del contexto

El LVLM distingue una recarga normal de un ataque. En las escenas probadas, el uso normal de un cargador no activó ninguna alerta.

Especializado

Un modelo de visión dedicado a la recarga

YOLO26s entrenado con conjuntos de datos fusionados y reasignados a 10 clases propias de la seguridad de los cargadores.

Privacidad

Respeto de la privacidad

Los rostros se difuminan in situ antes de cualquier envío. Mistral puede usarse como alternativa europea.

Noche

Modo IR automático

Detección automática del modo noche / infrarrojo y adaptación de la captura.

Flexible

Un prompt por cámara

Elección del modelo e instrucciones de análisis modificables desde la interfaz, cámara por cámara.

Lo existente

Sus cámaras bastan

Compatible con cámaras IP RTSP. Un mini PC Edge in situ (Apple Silicon o AMD64) hace el trabajo.

Hoja de ruta

La primera fase, in situ, está validada.

  • Captura multicámara, detección YOLO + seguimiento ReID
  • Disparadores, zonas poligonales, difuminado, modo noche
  • Análisis LVLM validado con cámara real
  • Alertas multicanal: email, SMS, Teams, Telegram…
  • Plataforma en la nube multisitio y panel de control
  • Actuadores in situ: sirena, iluminación

Stack

  • Python 3.12
  • OpenCV
  • GStreamer
  • Ultralytics YOLO26
  • BoT-SORT ReID
  • YuNet
  • Gemini
  • Mistral
  • Flask
  • TimescaleDB
  • Redis
Siguiente proyecto
Audit Ascenseur