Detección de anomalías en cultivos (dataset de imágenes)
Detecta anomalías en imágenes de cultivos. Recibe una URL de imagen, genera embeddings con Voyage AI, consulta Qdrant para comparar con cultivos conocidos y sus umbrales, y determina si la imagen es anómala al dataset.
Nodos
Xml 
SplitInBatches StickyNote Wait If 
ExecuteWorkflowTrigger 
Slack Set Merge ManualTrigger 
NoOp Detalles
- ID
- 2511
- Nodos
- 28
- Conex.
- Sí
- Tipos
- 12
Pertenece a:
¿Qué hace este workflow?
Este workflow avanzado automatiza la detección de anomalías en imágenes de cultivos, permitiendo una gestión agrícola más inteligente y proactiva. Al recibir una URL de imagen, el sistema genera embeddings vectoriales mediante Voyage AI, que luego se utilizan para realizar búsquedas de similitud en una base de datos Qdrant. Esta comparación se realiza contra un dataset de cultivos conocidos y sus umbrales de normalidad. Si la imagen excede estos umbrales, el sistema la marca como anómala, indicando posibles problemas como plagas, enfermedades o deficiencias nutricionales antes de que escalen. Esto proporciona a los agrónomos y agricultores una herramienta crucial para intervenir rápidamente, minimizando daños en la cosecha y maximizando la productividad del campo. La detección temprana y precisa de anomalías se traduce en un ahorro significativo de tiempo y recursos, mejorando la calidad y cantidad de la producción agrícola.
¿Cómo funciona?
Este workflow usa 28 nodos conectados con 12 tipos diferentes: HttpRequest, Xml, SplitInBatches, StickyNote, Wait y 7 más. La estructura está totalmente conectada — listo para importar.
¿Lo quieres en tu empresa?
→Lo implementamos por ti end-to-end: integración, deploy, mantenimiento y soporte. Consultoría B2B con Genai Sapiens.
Hablemos de tu proyecto¿Quieres aprender a hacerlo?
→Sprints de 30 días con companion IA + comunidad. Aprende n8n, automatización y agentes IA desde cero o nivel avanzado.
Ver formación Momentum