Este Trabajo de Fin de Grado se centra en la implementación de un sistema para la detección automática de anomalías en imágenes de producción de tablas de madera. Utilizando un sistema preexistente que genera y envía imágenes a través de sockets, se desarrolló un modelo de Deep Learning que analiza estas imágenes para identificar posibles defectos. Si se detecta una anomalía, se registra el tipo de defecto y se guarda en una base de datos, lo que permite al cliente automatizar y mejorar su control de calidad. El proyecto abarca desde la comunicación por socket hasta la integración final del sistema de detección y registro de datos
This Final Degree Project focuses on implementing a system for the automatic detection of anomalies in production images of wooden boards. Using an existing system that generates and transmits images via sockets, a Deep Learning model was developed to analyze these images and identify potential defects. If an anomaly is detected, the type of defect is recorded and stored in a database, allowing the client to automate and enhance their quality control process. The project encompasses everything from socket process. The project encompasses everything from socket communication to the final integration of the detection system and data recording
