Autonomía local
Modelos instalados en la infraestructura propia. La inferencia no requiere solicitar respuestas a una API pública de IA.
Proyecto integrador · 2026
Inteligencia
artificial, aquí.
Visión por computadora e interpretación multimodal en un clúster local. Dos arquitecturas, una red privada y modelos que se ejecutan sin consumir APIs de IA externas.
02Nodos de procesamiento
04Integrantes del equipo
02Modalidades de visión
1 Gb/sInterconexión Ethernet
01 / El propósito
La IA no tiene que
estar lejos de los datos.
EdgeVision nace de una pregunta: ¿puede una organización analizar imágenes con IA sin enviar cada solicitud a proveedores externos? Construimos un laboratorio para demostrar una alternativa de procesamiento local.
Hardware heterogéneo
Una Orange Pi con procesador ARM64 colabora con una máquina virtual Ubuntu x86-64 conectadas por Ethernet.
Visión aplicada
Detección de objetos con cámara física e interpretación de fotografías mediante un modelo de lenguaje multimodal.
02 / La arquitectura
Dos equipos.
Un mismo laboratorio.
La comunicación se realiza dentro de una subred privada mediante un switch Gigabit y cables CAT6. Ubuntu coordina el modelo multimodal; Orange Pi captura video, ejecuta YOLO y expone recursos para RPC.
Nodo coordinador
Ubuntu Server
VM en Windows 11 · x86-64
Portal FastAPI, Qwen3-VL, llama.cpp y control del modo de inferencia.
Nodo trabajador
Orange Pi 4 Pro
Debian 12 · ARM64
Webcam USB, YOLO11n, servidor RPC y monitor de CPU y memoria.
RPC distribuye operaciones y tensores mediante red; no fusiona físicamente las CPU. El laboratorio cuenta con un switch, no con redundancia física de red.
03 / Los modelos
Una imagen.
Dos formas de entenderla.
Un detector localiza objetos; el modelo multimodal interpreta la escena y responde preguntas en lenguaje natural. Ambos funcionan con modelos locales y cumplen tareas distintas.
01 / DetecciónARM64 · ONNX
YOLO11-Nano
Recibe fotogramas de una webcam USB conectada directamente a Orange Pi. Identifica clases y posiciones, agrega recuadros y publica el video procesado en el portal.
OpenCVONNX RuntimeWebcam USB
02 / Interpretaciónx86-64 · GGUF
Qwen3-VL 2B
Procesa fotografías y preguntas en español con llama.cpp. Utiliza pesos cuantizados Q4 y un proyector visual mmproj para integrar información de imagen y texto.
llama.cppQ4_K_Mmmproj Q8
Cómo trabaja RPC
Cálculo remoto,
evidencia medible.
El backend RPC de llama.cpp puede asignar tensores y operaciones al nodo ARM64 mediante el puerto 50052. En las pruebas de Qwen2.5 se observaron capas asociadas a RPC0 y buffers de cómputo remotos. El indicador RPC + VM por sí solo no certifica que una solicitud multimodal concreta haya ejecutado operaciones remotas.
04 / Resultados reales
Medir también es
parte del proyecto.
Comparativas observadas en el laboratorio. Los resultados corresponden a pruebas puntuales, no a promesas de rendimiento general.
Velocidad de generación
Qwen2.5 · tokens/sLa modalidad RPC fue aproximadamente 17 % más lenta en esta prueba: la transferencia y sincronización también consumen recursos.
1.26 FPS
Detección YOLO en Orange Pi, en una medición del laboratorio.
337 ms
Tiempo de inferencia reportado por YOLO durante la misma prueba.
Sin API externa
Fotografías interpretadas en el laboratorio con Qwen3-VL. La continuidad ante fallos utiliza respaldo local en Ubuntu.
05 / Registro visual
El proyecto,
fuera de las diapositivas.
Fotografías reales del hardware y capturas del sistema durante su construcción. Selecciona una imagen para verla ampliada.
06 / Las personas
Detrás de EdgeVision.
Cuatro integrantes. Un proyecto integrador que conecta sistemas, redes, procesamiento distribuido y visión por computadora.
Fernando Díaz
Carné 0900-23-18820
Esthefany Cerna
Carné 0900-23-19084
María López
Carné 0900-25-18261
Emilio Tije
Carné 0900-23-8585
01 — Hardware & Edge02 — Redes & Linux03 — IA & RPC04 — Visión & Aplicación
07 / Para profundizar
Todo el proyecto,
documentado.
Accede a los documentos técnicos, la presentación académica y el registro fotográfico original.
Informe técnico de implementaciónArquitectura, configuración y bitácora del laboratorio · PDF, 37 páginas (corte de desarrollo)PDF
Presentación académicaDivisión en cuatro sectores, diseño y defensa del proyectoPDF
Especificación técnica de EdgeVisionModelos, servicios, puertos, endpoints y procedimientos de operaciónMD
Informe editableDocumento de trabajo para edición y revisión · Microsoft WordDOCX
Los documentos conservan el estado de sus respectivas fechas; el informe PDF original incluye campos académicos de portada por completar. Esta página es informativa: no expone el portal privado ni los puertos RPC o de cámara.
EdgeVision · Proyecto integrador 2026