IA y visión

Visión artificial para inspección y control de procesos industriales

Una cámara puede capturar miles de imágenes, pero esas imágenes solo son útiles si permiten tomar una decisión comprobable. Un sistema de visión artificial puede ayudar a detectar anomalías visibles, comprobar la presencia de componentes, leer marcajes o clasificar piezas. Su utilidad depende de factores físicos y técnicos: la iluminación, el movimiento, la posición de la cámara, la variabilidad de los defectos y la forma en que se recogen las imágenes. Por eso un proyecto de visión empieza en la línea, con piezas reales, y no en la elección de un modelo. Lo que se diseña es una estación completa: captura, procesamiento, umbrales, integración con producción y revisión humana.

Explicar mi proceso Ver escenarios

Alcance

Qué resuelve y qué no

Qué puede resolver

Clasificar piezas o productos como conformes, dudosos o con defecto visible según criterios definidos con calidad.
Leer códigos, números de serie, fechas o etiquetas y contrastarlos con la orden de fabricación.
Comprobar que un ensamblaje tiene todos sus componentes en la posición esperada.
Registrar imágenes y resultados de cada pieza para que una inspección pueda revisarse después.

Qué no resuelve

No garantiza una inspección perfecta: siempre habrá falsos rechazos y defectos no detectados, y ambos deben medirse.
No sustituye sistemas de seguridad de máquina ni funciones de protección de personas.
No convierte una inspección en certificada: la validación del proceso corresponde al fabricante y a sus normas.
No detecta lo que la cámara no puede ver: defectos internos, ocultos o fuera de la resolución disponible.

Escenarios operativos

Cómo funcionaría en la práctica

Ejemplos de lo que se podría diseñar. No describen proyectos realizados.

01
Defectos superficiales al final de línea
Entrada
Imágenes de cada pieza tomadas al paso por un punto fijo, sincronizadas con una señal de presencia.
Procesamiento
Un modelo entrenado con piezas buenas y defectuosas propone una clasificación con un nivel de confianza; por debajo de un umbral, la pieza se marca como dudosa.
Salida
Resultado por pieza enviado al sistema de producción, desvío de las dudosas a revisión manual y registro de la imagen asociada al número de serie.
02
Lectura y verificación de marcajes
Entrada
Imagen de la etiqueta o del grabado y datos de la orden de fabricación en curso.
Procesamiento
Lectura de códigos y caracteres con técnicas de visión clásica cuando el marcaje es estable; comparación con lo que debería figurar según la orden.
Salida
Confirmación o alerta de discrepancia antes del embalaje, con el valor leído y el esperado en la traza.
03
Comprobación de montaje
Entrada
Imagen del conjunto ensamblado y la lista de componentes de la referencia.
Procesamiento
Detección de la presencia y posición de cada componente en zonas definidas de la imagen.
Salida
Lista de componentes faltantes o mal colocados para el operario y estadística por puesto y turno.
04
Piloto de viabilidad
Entrada
Muestras representativas, incluidas variaciones reales de iluminación, material y posición.
Procesamiento
Captura controlada, etiquetado con calidad y evaluación del modelo sobre un conjunto separado de imágenes.
Salida
Informe con falsos rechazos, defectos no detectados y condiciones que habría que cambiar antes de pasar a producción.

Integración

Cómo se conecta con lo que ya existe

Se define de dónde llega la señal de disparo, cómo se sincroniza la captura, dónde se procesa la imagen, qué tiempo máximo admite la operación y cómo se intercambian resultados con PLC, MES o ERP. Las interfaces y la tolerancia a fallos se diseñan en función de la instalación, siempre diferenciando el software de inspección de las funciones de seguridad de la máquina.

Señal de presencia o encoder para disparar la captura
Procesamiento en equipo junto a la línea cuando la latencia lo exige
Resultado al PLC o al MES por el protocolo disponible en planta
Registro de imágenes y resultados vinculado a lote o número de serie
Interfaz de revisión para el personal de calidad

Antes de desarrollar

Datos, validaciones y permisos

Ejemplos suficientes de piezas buenas y de cada tipo de defecto relevante, etiquetados por personas de calidad.
Condiciones reales de captura: iluminación, velocidad de línea, vibraciones y variaciones de material.
Criterios de aceptación acordados: qué coste tiene un falso rechazo frente a un defecto que pasa.
Tiempo máximo disponible por pieza y comportamiento esperado si el sistema no responde a tiempo.
Permisos sobre quién puede ajustar umbrales, reentrenar modelos o aprobar cambios.

Supervisión

Riesgos, límites y mantenimiento

Un cambio de material, proveedor, cámara o iluminación puede degradar el modelo; hay que vigilar sus métricas y prever reentrenamientos.
Los defectos poco frecuentes son difíciles de aprender con pocos ejemplos; a veces conviene empezar por clasificar «conforme / revisar».
Si el sistema rechaza demasiado, el personal deja de confiar en él: los umbrales se ajustan con datos y con quien opera la línea.
Las imágenes pueden contener personas o información sensible; su almacenamiento y acceso se definen con el responsable del tratamiento.

Sectores donde se aplicaría

Cómo se contrata

Para profundizar

Preguntas frecuentes

¿Hace falta inteligencia artificial o basta con visión clásica?

Depende del problema. Para leer códigos, medir posiciones o comprobar presencias en condiciones estables, la visión clásica suele ser más predecible y fácil de mantener. Los modelos aprendidos tienen sentido cuando los defectos son variables y difíciles de describir con reglas.

¿Cuántas imágenes se necesitan para empezar?

No hay una cifra fija: depende de cuántos tipos de defecto existan y de cuánto varíen. Lo habitual es empezar con un piloto que capture muestras reales y medir si los resultados son suficientes antes de comprometer una implantación.

¿Qué pasa si el sistema falla o se detiene?

Se decide antes: la línea puede seguir con inspección manual, detenerse o apartar las piezas no inspeccionadas. Ese comportamiento se diseña junto con producción y nunca se deja a la improvisación.

Cuéntanos qué fabricas y qué necesitas comprobar

Cuéntanos qué datos y sistemas intervienen en tu proceso. Estudiaremos qué puede automatizarse, cómo se integraría y qué convendría validar antes de desarrollar. Ver todas las capacidades.

Explicar mi proceso

Sin compromiso de aceptación: estudiamos cada caso antes de proponer nada. Cómo tratamos la información que compartes.