Gulf
Reconocimiento de imágenes con AWS Rekognition
Soluciones:
Reconocimiento de placas, marca, colores y tipo de vehículos con tecnologías de AWS para reconocimiento de patrones.
Destacado:
Gulf está presente en más de 25 países en todo el mundo, y se dedica a la venta al por menor de combustible y lubricantes.
Retos de la Organización y Objetivo de Gulf
Nos encargamos de reconocer placas, marcas, colores y tipos de vehículos para obtener información. Automatizamos el proceso para obtener datos en tiempo real, y nos conectamos a un Data Lake para generar reportes con información de valor.
¿Cómo ayudamos a Gulf?
Se implementó un mecanismo Batch que corre automáticamente cada cierto tiempo: el cual lee las imágenes del Bucket S3, almacena imágenes de las cámaras de sus estaciones para ser procesadas por lotes y así utilizar un modelo pre-entrenado para reconocimiento de las etiquetas correspondientes, almacenando la meta data en una base de datos la cual estará preparada para ser integrada al Data Lake de Gulf para su analítica.
1. Entrenamiento del modelo en AWS Rekognition:Entrenamiento de modelo de reconocimiento de imágenes en Amazon Rekognition para identificar la información de las imágenes de las estaciones de servicio de Gulf.
2. Automatización de carga de imágenes:Desarrollo de un mecanismo Batch que lee imágenes del Bucket S3. Cámaras almacenan imágenes de sus estaciones para ser procesadas por lotes. Se utiliza un modelo pre-entrenado para reconocer etiquetas, almacenando la meta data en una DB que está preparada para ser integrada al Data Lake de Gulf para su análisis.
3. Reporteo en Quicksight:Generación de reportes en Quicksight para establecer métricas con información valiosa para Gulf. Esto ayuda a cuantificar y evaluar aspectos del negocio, tendencias, comportamientos y resultados, para evaluar el desempeño de las acciones y estrategias a implementar.
Objetivos del Proyecto
El modelo fue entrenado para detectar la siguiente información:
Color del vehículo-
Marca del vehículo
-
Tipo de vehículo
Color del vehículo
Marca del vehículo
Tipo de vehículo
-
Fecha, hora e identificados de la cámara
-
Posición del dispensador
-
Placa de vehículo
Fecha, hora e identificados de la cámara
Posición del dispensador
Placa de vehículoTecnologías implementadas en el desarrollo del proyecto
Se desarrolló un modelo de reconocimiento de información específica en imágenes con ayuda de diferentes servicios de AWS. El cual funciona de la siguiente manera, las cámaras de las sucursales Gulf están conectadas a un S3 en el cual se almacenan las imágenes y pasan a través del servicio de Rekognition y almacenan la información reconocida en una base de datos DynamoDB.
Este proceso está automatizado mediante AWS Batch, para hacer su ejecución cada cierto tiempo. Una vez teniendo la fuente del modelo se conecta a Data Lake mediante Lake Formation y Athena para posteriormente generar los reportes de Quicksight.
Ventajas y mejoras del proyecto
Usar las tecnologías de AWS permitió construir un modelo lo suficientemente robusto y entrenado para poder detectar dentro de las imágenes, las características como: placa, fecha, hora, color, marca, posición y tipo de vehículo de sus clientes.
El modelo de Rekognition a nivel negocio ayudó al cliente a poder conocer más a sus clientes ya que dentro del modelo se recopila toda la información para poder obtener un reporte detallado. Este reporte sirve para hacer análisis de consumo y prospecciones a largo plazo.
Retos y objetivos que se alcanzaron en el desarrollo del Proyecto
- Se creó un modelo de Machine Learning alimentado por imágenes identificadas por el sistema.
- Reconocimiento de marca y logotipos de vehículos.
- Reconocimiento de colores primarios en una imagen teniendo en cuenta la luz y sombra.
- Reconocimiento de tipo de vehículos según sus características específicas.
- Se logró un procesamiento eficiente del modelo de Machine Learning para reconocer alto volumen de imágenes.
Obtén el poder de las soluciones digitales en tu empresa
Empresas alrededor del mundo han confiado en nosotros ¡Queremos que hagas parte de esto!
Codster trabaja de la mano con la Caja de Previsión y Ahorro del S.N.T.S.S. para desarrollar una aplicación móvil donde los usuarios pueden consultar saldos de ahorro, hacer solicitud de retenciones, agendar citas y más servicios financieros a través de una Aplicación Móvil.
Conoce nuestro trabajo
Realizamos la integración de los datos de venta en las plataformas de Drink Fitzer. Integramos tecnologías de punta como MiPos, Bind, Shopify, Deliverect y Amazon API Gateway, que permite tener el control de órdenes, inventarios, puntos de venta y surtidos en tiendas.
Conoce nuestro trabajo
Desarrollamos un sistema de expediente digital que puede replicarse en diversos clientes, donde sus colaboradores pueden cargar archivos para generar un expediente por cliente y dentro del sistema poder darle seguimiento al proceso de aprobación de un crédito.
Conoce nuestro trabajo
Codster hace posible que Gulf integre tecnologías para el reconocimiento de imágenes usando Amazon Rekognition, para automatizar la identificación de imágenes en las estaciones de servicio con el fin de obtener un reporte detallado de sus clientes en tiempo real.
Conoce nuestro trabajo
Codster se asocia con Talentum HR Company para desarrollar un Sitio Web interactivo, y diseñar una estrategia de diseño UI/UX, para ofrecer a la comunidad servicios de reclutamiento en regiones como América del Norte, América Central, América del Sur y el Caribe.
Conoce nuestro trabajo
Codster trabaja junto a Pando para ofrecer a la comunidad una plataforma digital o Marketplace donde millones de ciudadanos pueden ejercer sus responsabilidades sociales. Pando ofrece a las personas la posibilidad de una participación política activa y digital.
Conoce nuestro trabajo
Codster y Prometec desarrolla y diseña una estrategia de tecnología para los productos de Prometec, con el objetivo de implementar servicios de nube con Azure y una estrategia DevOps, nos enfocamos en crear planes de mejora a nivel de arquitectura para esta empresa.
Conoce nuestro trabajo
Codster en conjunto con BpB diseñó un sistema que encaja en el proceso actual de poder llevar la solicitud a un avalúo digital, el cual extrae la información inicial del cliente y realiza dos procesos automáticos mediante APIs de un tercero para obtener datos de urbanización, mercadeo a través de AWS Lambda.
Conoce nuestro trabajo
