Los sistemas de cámaras unidos a modelos de IA capaces de “ver” y analizar imágenes en tiempo real — lo que conocemos como visión artificial — figuran entre las tecnologías de mayor impacto en la industria manufacturera y agroalimentaria. Desde el control de calidad en las conserveras hasta la inspección de piezas en planta, sus aplicaciones son concretas y su retorno bien documentado en el sector.
Pero también es una de las tecnologías con más diferencia entre el marketing y la realidad. Este artículo explica cómo funciona, qué condiciones necesita para funcionar bien y dónde están los retos que los argumentarios de venta no suelen mencionar.
Qué puede detectar la visión artificial
La capacidad de los sistemas de visión artificial actuales es genuinamente impresionante. En entornos industriales controlados, pueden detectar:
Defectos de superficie: grietas, manchas, arañazos, decoloraciones, burbujas en materiales. La precisión puede superar la del control visual humano para defectos pequeños o defectos difíciles de detectar en condiciones de trabajo normales (velocidad de línea, variabilidad de iluminación, fatiga del inspector).
Defectos de geometría: dimensiones fuera de tolerancia, piezas deformadas, elementos ausentes o mal posicionados. Las cámaras con visión estereoscópica o las cámaras 3D pueden medir dimensiones con precisión micrométrica.
Defectos de contenido: en la industria alimentaria, cuerpos extraños, llenado incorrecto, etiquetado erróneo, presencia o ausencia de elementos (tapas, sellos, etiquetas). La visión artificial en líneas de envasado de la industria conservera detecta estos defectos a velocidades imposibles para el control visual humano.
Clasificación por calidad: en pesca y agroalimentario, clasificación de capturas o materia prima por tamaño, color y estado visual. Esta aplicación es especialmente relevante para el sector conservero y para la industria láctea.
Las condiciones que determinan si funciona bien
La visión artificial no funciona igual en todos los entornos. Las condiciones que más determinan la calidad del sistema:
Iluminación. La iluminación industrial diseñada específicamente para el sistema de visión es tan importante como la cámara. Los cambios de iluminación — por la posición del sol en una nave, por el desgaste de las lámparas, por el polvo acumulado en las cámaras — son la causa más frecuente de degradación de rendimiento en sistemas existentes. Un sistema bien diseñado controla la iluminación de forma independiente del entorno.
Posición y movimiento del objeto. Si el objeto a inspeccionar no está siempre en la misma posición relativa a la cámara, el sistema necesita ser más robusto a variaciones de posición y ángulo. Las líneas de producción con buena mecanización facilitan este aspecto.
Variabilidad natural del producto. La industria agroalimentaria — anchoas, bonito, leche, queso — trabaja con materia prima biológica que tiene variabilidad natural importante. El modelo tiene que aprender a distinguir entre variación natural aceptable y defecto real. Esto requiere muchos más ejemplos de entrenamiento que la inspección de piezas industriales con tolerancias estrictas.
El dato más importante que nadie menciona: el etiquetado
Para entrenar un sistema de visión artificial, se necesitan miles de imágenes etiquetadas — imágenes donde alguien ha indicado si el objeto es defectuoso o no, y en qué parte de la imagen está el defecto.
Este trabajo de etiquetado es el que más empresas subestiman. Es trabajo intensivo, requiere criterio de experto (las personas que lo hacen tienen que saber exactamente qué es un defecto y qué no lo es) y es la inversión de tiempo interno más significativa del proyecto. En algunos proyectos de visión artificial, el etiquetado de datos es la tarea que más tiempo consume de todo el proyecto.
La buena noticia es que este es un trabajo que no puede hacerse mal — es trabajo de personas de la empresa con conocimiento del producto. La mala noticia es que si no se planifica su coste en tiempo desde el inicio, puede convertirse en el cuello de botella del proyecto.
Industrias donde el impacto es mayor
La industria conservera — anchoas, bonito, conservas de marisco — es un candidato natural para visión artificial. Las líneas de producción manualizadas tienen alta variabilidad en la calidad de la inspección humana, y el impacto de defectos que llegan al consumidor es elevado en términos de reputación de marca.
La industria pesada y metalmecánica tiene aplicaciones de control de dimensiones y detección de defectos de superficie en piezas. La precisión requerida es alta y la consecuencia de piezas fuera de tolerancia puede ser costosa.
La industria láctea tiene aplicaciones en control de llenado, verificación de tapas y etiquetado, y clasificación de productos en líneas de alta velocidad.
Preguntas frecuentes
¿Puede la visión artificial trabajar en líneas de producción existentes o hay que instalar nueva maquinaria? En la mayoría de los casos, el sistema de visión se integra en la línea existente sin necesidad de nueva maquinaria de producción. Lo que sí se instala son las cámaras, el sistema de iluminación y el ordenador de procesamiento. El diseño de la integración física es parte del proyecto y requiere evaluar la línea existente.
¿Qué pasa cuando el sistema comete un error y rechaza producto bueno? Es el escenario de los “falsos positivos”: el sistema marca como defectuoso algo que no lo es. El umbral de sensibilidad del sistema es una decisión de diseño que equilibra los falsos negativos (defectos que pasan) con los falsos positivos (producto bueno rechazado). Este equilibrio se define con el equipo de calidad de la empresa y puede ajustarse en producción según la experiencia.
¿El sistema requiere conexión a internet para funcionar? No. Los sistemas de visión artificial industriales procesan las imágenes localmente en tiempo real. La conexión a internet no es necesaria para la inspección. Puede usarse para monitorización remota del sistema o para enviar datos de rendimiento a sistemas de análisis, pero no es imprescindible.