Computer Vision Pipeline

Del píxel
a la decisión.

El sistema de SOMUS-26 procesa flujo de video en tiempo real con YOLOv8, agrega detecciones por nodo, alimenta modelos de demanda y publica decisiones a la capa de aplicación. Aquí el detalle ingenieril.

Modelo YOLOv8n 3.2M parámetros · INT8
Inferencia 30 FPS Edge · Raspberry Pi 5
Latencia 87 ms P95 end-to-end
mAP @ 0.5 0.78 COCO val2017
Demo en vivo

Detección
cuadro a cuadro.

Inferencia simulada · 30 FPS
Inferencia procesada YOLOv8n · COCO 80 clases · CDMX 2026
Ver código en GitHub
Arquitectura del sistema

Cómo fluyen los datos.

Edge → Aggregator → API → UI
01 · SENSING Captura visual CCTV C5 + Webcams 2 412 nodos · CDMX → RTSP / HTTP → 1080p · 30 FPS vía convenio C5 02 · EDGE Inferencia local Raspberry Pi 5 YOLOv8n · INT8 → ONNX Runtime → OpenCV pipeline 87ms latencia P95 03 · AGGREGATOR Mensajería + datos MQTT + TimescaleDB Stream temporal + ECOBICI GBFS + SIMAT · OSM 14 380 events/s 04 · BRAIN Modelos & lógica Decisión · Routing Optimización → Dijkstra + ML → CO₂ SEMARNAT Heatmap · alertas 05 · UI Aplicación SOMUS-26 Web · GitHub Pages → Ciudadano → Operador Leaflet · Chart.js RTSP JSON SQL REST SALIDAS DEL SISTEMA Lo que recibe el usuario final ⚙ Optimización CIUDADANO 3 rutas multimodales con tiempo, costo y CO₂ real → Decisión informada ⌬ Dashboard OPERADOR / GOBIERNO KPIs en vivo, mapa de calor, alertas, calidad del aire → Toma de decisiones ≋ Métricas SOSTENIBILIDAD CO₂ evitado, PM2.5, AQI, reparto modal acumulado → Indicadores ODS ⚠ Alertas SISTEMA / EMERGENCIAS Saturación, congestión, incidentes viales en tiempo real → Respuesta < 60 s
Datos abiertos

Fuentes integradas.

Verificables · Públicas
Impacto declarado

Objetivos de Desarrollo Sostenible.

Agenda 2030 · ONU