Dades 2025–2026 · En curs · Client: Winkoms (producte intern) · Responsable: Francesc Xavier Gómez
El repte
Tot projecte aplicat de visió per computador comença amb el mateix coll d’ampolla: convertir imatges de microscòpia en brut en dades d’entrenament etiquetades, i després entrenar i executar models amb elles — normalment amb eines separades i desconnectades, sense control d’accés compartit, gestió de GPU ni seguiment d’ús.
La solució
Winkoms va construir WNK Platform, una única plataforma web autenticada que allotja tres serveis integrats darrere d’un sol inici de sessió:
- YOLO Labeler — etiquetatge d’imatges per a l’entrenament de YOLO, amb auto-segmentació YOLO + SAM 2.1 per accelerar l’anotació
- QaiFIL Analysis — una eina de detecció i quantificació de filaments basada en Streamlit (el mateix motor que hi ha darrere del projecte de detecció per fibra òptica QaiFIL per a la UB)
- Trainer App — entrenament de models YOLO amb suport de GPU, limitat a una tasca d’entrenament simultània per protegir els recursos de GPU compartits
La plataforma funciona amb una GPU NVIDIA dedicada de 24 GB de VRAM i registra l’ús per servei i per usuari — imatges etiquetades, anàlisis executades, tasques d’entrenament llançades — mitjançant un panell d’administració senzill. La interfície és actualment en català, i es tradueix sense problemes a l’anglès o al castellà amb eines del navegador com Google Translate si cal.
Els resultats
Una única plataforma multiusuari unifica ara tres eines d’IA prèviament separades sota un mateix punt d’accés autenticat, amb monitoratge de GPU en temps real i comptabilitat d’ús per servei integrats des del primer dia.