
LIMS con automatización de procesos para Laboratorios Microal
En producción · integración REST bidireccional con su LIMS
Ver caso de éxitoMBO es una startup andaluza que mide el consumo y el desperdicio alimentario en los buffets de hotel. En DPI Systems hemos hecho el desarrollo técnico completo del producto: cámaras y básculas conectadas, visión artificial en NVIDIA Jetson, la plataforma en la nube, el trabajo de campo y las pruebas en un hotel en producción.


En un buffet nadie sabe con datos cuánto se sirve de cada bandeja ni cuánto vuelve a cocina. La Ley 1/2025 de prevención de las pérdidas y el desperdicio alimentario obliga a medirlo, y apuntarlo a mano en plena hora punta no es viable.
Toda bandeja que sale y vuelve pasa por la mesa de pase. Pesarla e identificarla tiene que ser un gesto de segundos, no un registro en papel.
Reflejos en el acero, vapor, manos, pinzas y cucharas cruzándose constantemente sobre decenas de bandejas.
El sistema tiene que saber qué plato hay en cada bandeja sin reentrenar un modelo por cada receta nueva.
Si la conexión falla, la medición no puede pararse ni perder datos del servicio.
Dirección necesita consumo, desperdicio y coste por plato y por turno, no horas de grabación.
El vídeo nunca sale del hotel: se analiza allí mismo y a la nube solo llegan eventos pequeños.
Se pesa en la mesa de pase y una cámara identifica el plato comparándolo con el catálogo del hotel.
Las cámaras cuentan cada vez que un huésped se sirve, miden la afluencia y avisan cuando una bandeja está baja o vacía.
Se pesa de nuevo: la diferencia es el consumo real y lo que vuelve, el desperdicio, con su coste por gramo.
Las bandejas que no vuelven se cierran solas al terminar el servicio, para que ningún dato quede a medias.
El vídeo nunca sale del hotel. Cada nodo habla solo con el cloud y siempre por HTTPS saliente: no hay que abrir puertos en la red del cliente ni pedir cambios a su departamento de IT.
El mantenimiento va por una VPN privada separada del flujo de datos: si cae, los nodos siguen enviando eventos.

Elegimos NVIDIA Jetson para ejecutar los modelos junto a las cámaras: enviar 16 flujos de vídeo al cloud sería inviable en ancho de banda, privacidad y latencia. El Jetson AGX Thor, con arquitectura Blackwell, controla todas las cámaras de un buffet grande; el Jetson Orin Nano ejecuta el mismo código en instalaciones pequeñas. Ambos corren en Docker como servicio del sistema: arrancan solos tras un corte de luz y recuperan su configuración del cloud.

Un puesto propio para la mesa de pase: báscula, cámara cenital y pantalla táctil en un solo equipo. El cocinero posa la bandeja y en segundos queda pesada, fotografiada e identificada. Si hay duda, elige entre los platos candidatos con un toque. En modo «vuelta a cocina», el mismo puesto registra lo que vuelve del buffet.




MBO es una startup andaluza que hace producto para hostelería: tecnología que mide qué se sirve, qué se consume y qué se tira en los buffets y restaurantes de hotel.
DPI Systems es el equipo técnico detrás de MBO. Nos encargamos del desarrollo completo: la selección e instalación del hardware y los sensores, los modelos de visión artificial, el software que corre en el hotel, la plataforma en la nube, el trabajo de campo y las pruebas con el buffet abierto al público.
El vídeo de cada cámara se decodifica con el hardware dedicado del Jetson mediante NVIDIA DeepStream, sin gastar CPU. Un fotograma de cada cámara se agrupa en un único lote y pasa por un detector YOLO11 compilado con TensorRT en FP16 para la GPU concreta del equipo: una sola inferencia para todas las cámaras.
Después, varios procesos en paralelo siguen cada bandeja, persona o utensilio entre fotogramas con ByteTrack y aplican las reglas de negocio que convierten lo que se ve en eventos: una bandeja que sale o vuelve, un cliente que se sirve, una botella que se vierte, una bandeja sustituida, una persona que entra o sale.
El mismo nodo cubre cinco casos de uso según dónde se coloque la cámara:
Todos los datos del buffet nacen en la mesa de pase. Cada bandeja se pesa al salir de cocina y al volver: esa diferencia es el consumo real, lo que vuelve es el desperdicio y, con la ficha técnica de la receta, el coste. Las cámaras de sala añaden el detalle de qué pasa entre medias, pero el peso en la mesa de pase es la referencia de todo.
Por eso la mesa de pase tiene dos versiones. En instalaciones con Jetson, una cámara cenital y una báscula de red registran cada bandeja. Y para cocinas que necesitan un puesto propio desarrollamos el quiosco de pase: un PC compacto con Ubuntu, cámara cenital, báscula por puerto serie y pantalla táctil. El cocinero posa la bandeja; el quiosco la pesa, la fotografía, calcula su huella visual y propone el plato. Si hay duda, el cocinero elige entre los candidatos y la bandeja queda registrada. En modo «vuelta a cocina», el mismo puesto registra los regresos.
La IA del quiosco corre en CPU con OpenVINO, el equivalente de Intel a TensorRT, y comparte con el Jetson toda la lógica común: cualquier mejora llega a los dos.
El detector solo aprende qué es una bandeja, una pinza, una mano o un huésped: 9 clases que no cambian con el menú. Para saber qué plato es, el modelo DINOv3 de Meta convierte la foto de la bandeja en una huella de 384 números que el backend busca en Qdrant, con un umbral de similitud configurable por hotel. Si no lo reconoce, lo registra como desconocido para etiquetarlo después.
Cuando una bandeja vuelve, el backend busca cuál de las que salieron es: descarta las que no encajan por peso, compara por similitud visual y calcula consumido = servido − devuelto. Dar de alta un plato nuevo es fotografiarlo, no reentrenar.
Un hotel no es un laboratorio: se va la luz, se reinicia el router, cae Internet. La arquitectura parte de esa realidad:
MBO Platform es multiempresa: cada hotel tiene su espacio, con roles de administración, gerencia y usuario, y contrata los servicios de buffet, restaurante o ambos. La configuración de cámaras, básculas, casos de uso y turnos vive en el cloud y se cambia desde el panel, sin tocar los equipos. Incluye vista de cocina en directo, catálogo de platos con fichas técnicas, analítica de consumo, coste, desperdicio, aforo y horas punta, y un entorno de pruebas para validar cada cambio antes de producción.
Un sistema de visión solo funciona si se ha probado en el sitio real. Instalamos cámaras y básculas con el hotel en funcionamiento, pusimos en marcha los equipos Jetson y les dimos acceso remoto seguro para mantenerlos sin desplazarnos.
La primera versión, un MVP con panel de seguimiento del buffet, se construyó en seis semanas. Hoy el producto mide el ciclo completo de cada bandeja con cámaras y básculas, ejecuta la visión en equipos NVIDIA Jetson dentro del hotel y funciona en producción en un buffet de desayuno real.
El siguiente paso es llevar MBO Smart Buffet a más hoteles con una instalación cada vez más rápida: el mismo equipo, el mismo software y un catálogo de platos que se adapta a cada cocina.
Capturas reales del panel en producción, con los datos de un desayuno. Todo lo que miden las cámaras y las básculas acaba aquí, por plato, por turno y en euros.

Kilos consumidos, bandejas servidas y coste del turno, con el ranking de platos: bandejas que salen y vuelven, consumo por comensal y coste de cada uno.

Cruzando el consumo con las fichas técnicas: coste de ingredientes, coste del desperdicio, lo que vuelve y se reutiliza, y la eficiencia del turno.

Los ingredientes más costosos y los más desperdiciados, con su eficiencia: la lista de lo que hay que revisar en el menú.

Comensales por franja de 30 minutos y hora punta, contados por la cámara de la entrada, para ajustar producción y reposiciones.

Cada plato con la foto real de su bandeja, categoría, recipiente y tara: la referencia con la que el sistema reconoce lo que sale de cocina.
Imágenes reales de las cámaras instaladas y del pipeline en funcionamiento.



Del modelo en el dispositivo al panel de dirección, desarrollado y operado por DPI Systems.

En producción · integración REST bidireccional con su LIMS
Ver caso de éxito
Hasta un 70 % menos de tiempo de procesamiento · listo en 8 semanas
Ver caso de éxito
Del análisis a la integración con el ERP en 6 semanas
Ver caso de éxitoDiseñamos y construimos soluciones completas de visión artificial e IoT: hardware, modelos, software y despliegue en campo.