Nosotros
De una investigación a una herramienta de trabajo
SeedQ nació como el capítulo de producto de una tesis de maestría en Management + Analytics de la Universidad Torcuato Di Tella. La pregunta que la originó no fue si una computadora puede clasificar un grano, sino bajo qué condiciones esa capacidad se convierte en algo que una empresa de control de calidad puede usar.
El objetivo
Determinar si la clasificación automática de calidad de soja puede sostenerse bajo restricciones operativas reales: suficiente precisión, costo de cómputo compatible con el equipamiento disponible, y una confianza que permita decidir cuándo delegar en una persona.
Alcance del trabajo
El sistema clasifica granos ya aislados, siguiendo las cinco categorías del estándar internacional: intacto, manchado, inmaduro, roto y con daño en la piel. Detectar y separar los granos de una fotografía de bandeja es una etapa previa que sigue en desarrollo.
Los diferenciales
Los diferenciales
Cuatro decisiones metodológicas separan a SeedQ de lo que suele encontrarse en la bibliografía del área.
- 01
Se midió, no se estimó
El costo de cómputo se midió sobre el motor de inferencia real de destino, en tres entornos distintos. La bibliografía suele deducirlo de la cantidad de parámetros; medirlo mostró que esa deducción puede predecir exactamente lo contrario de lo que ocurre.
- 02
Contraste estadístico, no ranking
Con conjuntos de prueba de algunos cientos de imágenes, dos puntos porcentuales quedan por debajo del ruido de muestreo. Las comparaciones se hicieron con pruebas estadísticas pareadas, para distinguir una diferencia real de una casualidad.
- 03
Confianza calibrada
Que el sistema informe un 90 % de confianza tiene que significar que acierta nueve de cada diez veces. Sin esa correspondencia no se puede fijar un umbral, y sin umbral no hay derivación al inspector que valga.
- 04
La métrica que el sector certifica
Lo que se certifica no es la categoría de cada grano sino el porcentaje de grano defectuoso del lote. Confundir dos tipos de defecto entre sí no cambia ese número, y evaluar contra la métrica correcta cambia la lectura del desempeño.
Estado del proyecto
Estado del proyecto
Preferimos decirlo antes de que lo pregunten: la estación de laboratorio es la modalidad validada, con imágenes tomadas con cámara industrial e iluminación controlada. La aplicación móvil está diseñada sobre la misma base y funciona sin conexión, pero validar su desempeño con cámara de teléfono e iluminación variable es un requisito pendiente, no un detalle posterior.
Del mismo modo, que un dictamen automático tenga validez contractual depende de las reglas de comercialización y de las cámaras arbitrales, no de su exactitud técnica. La vía que proponemos es que el sistema opere primero como asistente del inspector —cuyo dictamen sigue siendo el válido— y que la evidencia acumulada sustente después esa discusión.
Cifras medidas sobre el conjunto de prueba del trabajo de investigación que originó SeedQ.