Resumen:
Los sistemas basados en la visión por computador e inteligencia artificial resultan una alternativa atractiva dentro de procesos con tareas de inspección, y que se realizan de manera repetitiva, buscando suplir la función del ojo humano. Estas herramientas han sido empeladas en sistemas de clasificación de objetos específicos, sin embargo, es relevante poder ampliar su funcionalidad brindando la capacidad de aprendizaje, y con ello poder clasificar múltiples objetos empleando una misma máquina. Bajo estas consideraciones, se propone un prototipo de un sistema clasificador de objetos basado en el servicio web cognitivo de Microsoft Azure y su API Computer Vision, y el uso de transfer learning y ResNet 50 como una red preentrenada. El servicio en la nube permite al sistema la identificación y etiquetado del contenido de imágenes, mientras que el servicio local basado en la red neuronal permite la generación de modelos de clasificación para aquellos objetos no identificados o identificados de manera incorrecta por el primer servicio. La arquitectura del sistema consta de tres capas, una capa física contenedora de la estructura mecánica y electrónica, una capa lógica contenedora de ambos servicios y una capa de aplicación subdividida en un Backend para la integración de los servicios, y un Frontend para la integración de las interfaces de supervisión y control. Finalmente, el sistema se ha evaluado mediante pruebas de funcionalidad y métricas de desempeño de modelos de clasificación, así como con pruebas de carga y usabilidad, obteniendo buenos resultados.