Image Understanding
Image Understanding analiza imágenes con los modelos Gemini de Google. Puede hacer dos cosas: describir con palabras lo que se ve, siguiendo tus indicaciones, o detectar los objetos que aparecen y decirte dónde está cada uno dentro de la imagen.
Cuándo usarlo
- Generar automáticamente la descripción de las fotos de producto de tu catálogo.
- Revisar fotos de incidencias o de obras y contar qué elementos aparecen.
- Comprobar si una foto de un lineal de tienda contiene los productos que debería.
- Recortar cada producto de una foto de grupo para tratarlo por separado.
Configuración
Necesitas una credencial Google Gemini con tu clave de Google. Consulta Credenciales.
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial Google Gemini que se usa para analizar las imágenes. |
| Images | Las imágenes que quieres analizar. Puedes conectar una o varias. |
| Prompt | Qué quieres saber de la imagen. Por defecto, Describe the image. En Object Detection, sirve para indicar qué objetos buscar, por ejemplo “Detecta todas las botellas”. |
| Model (obligatorio) | El modelo Gemini que analiza las imágenes. Si la lista está vacía, pulsa el botón de actualizar después de elegir la credencial. |
| Tool Function (obligatorio) | Qué análisis hacer: Describe Image (por defecto) para obtener una descripción, u Object Detection para localizar objetos. |
Opciones avanzadas
Solo aparecen con Object Detection.
| Campo | Qué hace |
|---|---|
| Generate Overlay Image | Crea una copia de la imagen con un recuadro y una etiqueta sobre cada objeto detectado. Activado por defecto. Desactívalo si solo necesitas los datos, para que tarde menos. |
| Extract Individual Objects | Recorta cada objeto detectado como una imagen independiente. Desactivado por defecto. |
Resultado
La salida Data depende del análisis elegido:
- Describe Image: un único resultado con la descripción (
image_description), el número de imágenes y sus nombres. Si conectas varias imágenes, se describen juntas en una sola respuesta. - Object Detection: un resultado por imagen, con la lista de objetos detectados (
detections), cada uno con su etiqueta y su posición, y el número de objetos (num_objects). Si activaste las opciones avanzadas, incluye también la imagen con los recuadros y los recortes de cada objeto.
Si una imagen no se puede analizar, su resultado incluye un campo error y el resto de imágenes se procesan igualmente.
Ejemplo
Un supermercado quiere comprobar con fotos que los lineales de bebidas están completos.
- Conecta las fotos de los lineales a Images.
- Elige la credencial Google Gemini y un modelo en Model.
- En Tool Function, elige Object Detection y en Prompt escribe “Detecta cada botella y cada hueco vacío del estante”.
- Conecta Data a un componente que compare
num_objectscon el número esperado y avise al encargado si faltan productos.
Componentes relacionados
- Describe Image: describe imágenes con el modelo de lenguaje que conectes.
- Easy OCR: lee el texto que aparece en una imagen.
- Gemini OCR: extrae el texto de documentos con Gemini.