Inspección visual en fabricación: cámaras, modelos y métricas de calidad

Antes de hablar de cámaras hay que acordar qué decisión se va a automatizar y qué ocurre después de ella. No es lo mismo apartar una pieza para revisión que desecharla, ni avisar al operario que parar una máquina. La ficha de la decisión recoge dónde se inspecciona, qué referencias pasan por ese punto, a qué ritmo, qué acción sigue a cada resultado y quién responde de la calidad final.

El catálogo de defectos, con sus criterios de aceptación y su gravedad, es la otra mitad de esta fase. Cómo construirlo, y por qué suele exigir poner de acuerdo a los propios inspectores, se explica en la guía sobre visión artificial para detectar defectos en fabricación. Aquí basta con subrayar que sin ese catálogo no hay forma de medir nada en las fases siguientes.

La viabilidad se estudia fuera de la línea, con una selección de piezas reales buenas y defectuosas, varias configuraciones de cámara, óptica e iluminación, y tiempo para probar. El objetivo no es entrenar todavía, sino comprobar que el defecto produce una señal visible y repetible en la imagen. Si una persona no distingue el defecto mirando las imágenes capturadas, es muy improbable que un modelo lo haga de forma fiable.

Para comparar cámaras de distintos fabricantes con criterios homogéneos existe el estándar EMVA 1288, de la European Machine Vision Association, que define cómo medir y presentar las especificaciones de sensores y cámaras de visión artificial. Pedir a los proveedores sus datos conforme a ese estándar facilita una comparación objetiva. Los criterios para elegir resolución, tipo de cámara e iluminación se detallan en la guía de defectos antes citada.

Una vez que el defecto se ve, el sistema completo tiene más piezas que el modelo. Cada una debe tener un responsable y un comportamiento definido ante fallos.

1. Disparo y captura: la imagen se toma cuando la pieza está en posición.
2. Preproceso: recorte de la zona de interés, corrección de iluminación y comprobación de que la imagen es válida (no está movida, saturada ni vacía).
3. Inferencia: el modelo devuelve una puntuación, una clase o una región sospechosa.
4. Regla de decisión: umbrales, zona de duda y reglas por referencia convierten esa salida en «aceptar», «rechazar» o «revisar».
5. Actuación: el control de la línea ejecuta la decisión sobre la pieza correcta.
6. Registro: imagen, resultado, versión del modelo, umbral aplicado e identificador de la pieza, para poder auditar después.

Separar la inferencia de la regla de decisión es una decisión de diseño importante: permite ajustar umbrales por referencia o por turno sin reentrenar, y deja claro qué parte decide el modelo y qué parte decide la configuración aprobada por calidad. La sincronización, el presupuesto de latencia y el diálogo con el PLC se tratan en la guía sobre cómo integrar cámaras industriales y modelos de IA.

No hay un modelo universal para inspección. La elección depende sobre todo de cuántos ejemplos de defecto hay, de si los defectos son conocidos o pueden aparecer otros nuevos y de qué información necesita la decisión. A veces la mejor opción ni siquiera es aprendizaje profundo.

Es frecuente combinar enfoques: una detección de anomalías que aparta lo sospechoso y un clasificador que asigna el tipo de defecto cuando hay ejemplos suficientes. El tamaño del modelo debe ajustarse al equipo que va a ejecutarlo junto a la línea y al tiempo disponible por pieza, no al revés.

Las métricas se eligen en la fase 1 y se fijan por escrito antes del prototipo, no cuando ya hay resultados. Un acuerdo de aceptación útil indica qué métricas se usan (por ejemplo, proporción de defectos detectados y de piezas buenas rechazadas, por tipo de defecto y por referencia), sobre qué conjunto de prueba se miden, qué valores permiten pasar de fase y qué volumen de revisión humana es asumible. Qué significa cada métrica, por qué la exactitud global engaña y cómo influye el coste de cada error se explica en la guía sobre métricas para evaluar un sistema de inspección con IA.

Las pruebas de campo son la parte del proyecto donde el sistema se enfrenta a la producción real. Conviene planificarlas como una escalera, en la que cada peldaño amplía la autoridad del sistema solo si el anterior ha cumplido los criterios pactados.

• Pruebas de integración: se fuerzan fallos (cámara desconectada, imagen inválida, pérdida de comunicación) y se comprueba que la línea reacciona como se diseñó.
• Registro sin actuar: el sistema inspecciona y guarda resultados mientras la inspección actual sigue decidiendo; los desacuerdos se revisan a mano.
• Rechazo con confirmación: el sistema aparta piezas, pero una persona confirma cada rechazo durante un periodo acordado.
• Decisión automática con muestreo: el sistema decide y calidad revisa periódicamente una muestra de piezas aceptadas y rechazadas.

Cada etapa se cierra con un informe frente a los criterios de aceptación, firmado por quien responde de la calidad. Si en alguna etapa aparecen referencias, turnos o condiciones donde el sistema no cumple, lo razonable es excluirlas del alcance automático en lugar de forzar un único umbral para todo.

Una vez en servicio, el sistema necesita un responsable, piezas patrón para comprobaciones periódicas, un procedimiento para incorporar defectos nuevos al conjunto de entrenamiento y otro para aprobar versiones del modelo antes de desplegarlas. Cualquier cambio de proceso, material o referencia debería pasar por una revisión que pregunte si afecta a la inspección.

Imaginemos, como ejemplo ilustrativo, una planta de piezas inyectadas que quiere detectar rebabas y faltas de material. En la fase de definición se acuerda que las piezas sospechosas se apartarán para revisión, nunca se desecharán automáticamente. En banco se comprueba que las faltas de material se ven bien con luz difusa, pero que las rebabas finas necesitan luz rasante. Como hay pocas piezas defectuosas, el prototipo combina detección de anomalías con un clasificador para los defectos más frecuentes. Las pruebas en línea revelan que una referencia de color oscuro da demasiados falsos rechazos, así que queda fuera del alcance automático hasta mejorar su iluminación.

1. ¿Está escrita la decisión que se automatiza y qué ocurre después de cada resultado?
2. ¿Se ha demostrado en banco que el defecto se ve con piezas reales?
3. ¿El tipo de modelo se ha elegido según los datos disponibles y el equipo de ejecución?
4. ¿Están pactados los criterios de aceptación por escrito antes de medir?
5. ¿Hay un plan de pruebas de campo por etapas y un responsable de la operación posterior?

Un sistema de inspección es una herramienta de calidad, no una protección para las personas; las funciones de seguridad de la máquina se diseñan aparte. Si estás valorando automatizar una inspección, podemos ayudarte a plantear la fase de definición y el estudio de viabilidad con vuestras piezas.