Fase 1

Comprensión del negocio

El objetivo no es "identificar el hueso exacto" ni sustituir a un osteólogo — es dar una primera clasificación rápida por grupo morfológico (cráneo, hueso largo, vértebra...) a partir de una foto, útil para laboratorio, docencia o una criba inicial antes de la revisión experta. De ahí sale la decisión clave de todo el proyecto: la taxonomía son 9 grupos de forma, no 21 huesos exactos ni especies — con 1-9 especímenes físicos por hueso, pedir más granularidad hace que el modelo memorice objetos concretos en vez de aprender formas (comprobado con especímenes completos fuera de validación, no solo fotos sueltas).

Restricción que viene de aquí y condiciona todo lo demás: no hay presupuesto para fotografiar miles de huesos reales. Esa única restricción de negocio es la que obliga a generar datos sintéticos a partir de modelos 3D (fase 2) y a resolver después el problema sim2real (fases 3-5).

Fase 3

Preparación de datos

Cada imagen se mide con shared/cv_extractor/extract.py (geometría clásica: elongación, circularidad, momentos de Hu, perfil de anchura...) y se vuelca en una tabla. El dataset de producción, bone_geometric_features_combined_lab.csv, mezcla renders_lab + noisy_composited + noisy_bproc + fotos reales de entrenamiento: 2938 filas.

Regla fija para evitar fuga: un conjunto de especímenes completos se reserva entero para banco de evaluación y nunca entra en entrenamiento (24 vistas del mismo objeto no se reparten entre train y test). Detalle completo, paso a paso y ejecutable, en notebooks/pycon26_01_preparacion_datos.ipynb.

Fase 5

Evaluación

Tres bancos, de más fácil a más difícil — solo el último cuenta como resultado real: validación interna → banco sintético con especímenes excluidos → banco de fotos reales. Si un cambio mejora el banco 2 y empeora el 3, es mala señal: el modelo se está ajustando a particularidades del render, no a la forma real del hueso.

Caso de estudio en vivo: una intuición razonable que falló al medirla

Durante la preparación de esta charla se notó que noisy_composited y noisy_bproc repiten casi los mismos especímenes que ya están en renders_lab (112/113 y 90/91 coinciden). Parecía una limpieza obvia: quedarse solo con renders_lab + fotos reales. Se probó de verdad:

Empeoró 12 puntos. No había fuga (el split separa especímenes completos, verificado en código) — el motivo real es que cada receta usa una pose física distinta (caída real en renders_lab vs. órbita fija en las otras dos) y un material distinto: no es duplicación cosmética, es variación visual legítima que ayuda a generalizar a fotos reales. Se revirtió el cambio y quedó documentado en base_datos_osea/HISTORIAL.md (2026-10-30).

Segundo intento: más poses dentro de renders_lab, sin pedir prestado

Si renders_lab es la receta de mejor acabado, ¿generar poses nuevas ahí mismo (física real, otra semilla) en vez de mezclar recetas de menor calidad para ganar volumen? Renderizados 189 especímenes × 6 vistas nuevas (1134 imágenes), dataset de 2527 filas (renders_lab + poses nuevas + reales, sin las otras dos recetas):

Mejora sobre el dedup (+6.8 puntos) pero sigue por debajo del original (-5.1 puntos). Parte del problema del dedup era volumen/pose, pero no todo.

Un fondo que la CNN nunca llega a ver

Hipótesis inicial: noisy_composited ayudaba por el fondo fotográfico real pegado detrás del hueso. Al mirar el recorte segmentado real que recibe la CNN (no la imagen completa, el crop_image ya aislado) se descubrió que es falso — el fondo se recorta siempre a gris neutro, la red nunca lo ve:

Tras segmentar y recortar (lo que de verdad entrena la CNN), el fondo desaparece en los dos casos y lo único que queda de noisy_composited es una silueta casi sin textura. Lo que sí aporta esa receta: no tiene máscara ground-truth, así que se segmenta con grounded_sam — el mismo método (con su mismo ruido de contorno) que se usa en producción sobre fotos reales — y una pose de cámara distinta a las otras dos recetas. Patrón que se repite en los cuatro experimentos: ninguna pieza individual (pose, ruido de segmentación, acabado de material) explica la mejora por sí sola, es la diversidad combinada de las tres. Producción no cambia: sigue hybrid_lab, 3 variantes + reales. Los cuatro modelos quedan en MLflow/DVC como referencia, ninguno promovido.