Cómo integrar cámaras industriales y modelos de IA

La imagen debe tomarse cuando la pieza está en la posición prevista. Un disparo por sensor fotoeléctrico funciona si la velocidad es constante; si varía, es mejor disparar a partir del encóder del transportador. La iluminación pulsada se sincroniza con la exposición para congelar el movimiento y reducir la influencia de la luz ambiente.

Las cámaras industriales suelen conectarse por Ethernet o USB siguiendo estándares de interfaz como GigE Vision o USB3 Vision, que permiten cambiar de fabricante con menos fricción. En la práctica importan detalles poco vistosos: cables y conectores aptos para el entorno, alimentación estable, sujeciones que no se aflojan con la vibración y protección frente a polvo, aceite o salpicaduras. Una cámara que se mueve un milímetro después de una limpieza puede invalidar la calibración.

La pregunta clave es cuánto tiempo pasa desde que la pieza se fotografía hasta que llega al punto donde hay que actuar. Ese intervalo es el presupuesto, y todos los pasos deben caber en él con margen, también en el peor caso y no solo en el promedio.

Por eso la inferencia suele ejecutarse en un equipo junto a la línea y no en un servicio remoto: la red de planta o la conexión a internet introducen variaciones que el presupuesto no tolera. La nube puede tener sentido para entrenar, comparar versiones o consultar históricos, pero no en el bucle de decisión en tiempo real. El registro de imágenes conviene hacerlo de forma asíncrona para que una escritura lenta no retrase la respuesta.

La integración con el control puede ser tan simple como dos salidas digitales (pieza buena, pieza mala) o tan rica como un intercambio por bus de campo u OPC UA con referencia de pieza, código de defecto y puntuación. En ambos casos hay que acordar un protocolo explícito: quién inicia el intercambio, qué identifica a la pieza, qué significa cada estado y cuánto se espera una respuesta antes de considerarla perdida.

• Asociar cada resultado a un identificador de pieza o a una posición del registro de desplazamiento, nunca solo al orden de llegada.
• Definir un tiempo máximo de respuesta y la acción por defecto si se supera, normalmente apartar la pieza como no inspeccionada.
• Publicar un latido o señal de vida del sistema de visión para que el PLC sepa si está operativo.
• Reflejar en el PLC el modo de trabajo (producción, sombra, mantenimiento) para que nadie crea que se está inspeccionando cuando no es así.

Una cámara de inspección bien encuadrada solo ve piezas, pero en puestos manuales, mesas de montaje o zonas de carga es fácil que capte manos, caras o personas que pasan. Si la imagen permite identificar a alguien, hay tratamiento de datos personales y se aplica el Reglamento General de Protección de Datos. En España, además, la Ley Orgánica 3/2018 de protección de datos remite el tratamiento por el empleador de imágenes obtenidas con cámaras a un artículo específico sobre el ámbito laboral.

• Encuadrar y enmascarar la imagen para que solo contenga la zona de inspección.
• Si no puede evitarse captar personas, pixelar o descartar esas regiones antes de almacenar.
• No guardar imágenes más tiempo del necesario para la calidad y el reentrenamiento.
• Informar a la plantilla y a su representación, y consultar con la persona responsable de protección de datos antes de instalar.
• No reutilizar imágenes de calidad para medir el rendimiento individual de los trabajadores.

La valoración jurídica concreta corresponde a la empresa y a sus asesores; desde el diseño técnico, lo que se puede hacer es minimizar lo que se captura y lo que se conserva.

Antes de poner el sistema a decidir conviene tener un conjunto de piezas patrón, buenas y defectuosas, identificadas y guardadas, que se pasen por la estación en condiciones controladas. Esas mismas piezas sirven después para comprobar el sistema tras un mantenimiento, una sustitución de cámara o una actualización de modelo. Un ejemplo verificable: se pasan veinte piezas patrón conocidas al inicio de cada turno y se registra si el resultado coincide con lo esperado.

La validación incluye también la integración: provocar un fallo de red, desconectar la cámara o reiniciar el equipo de cálculo y comprobar que la línea reacciona como se diseñó. Muchos problemas en producción no vienen del modelo, sino de un caso de error que nadie probó.

Un nuevo proveedor de materia prima, otro acabado superficial, una referencia nueva o el simple desgaste de la iluminación alteran las imágenes. Si el sistema no se entera, sus decisiones empeoran sin que nadie lo note. Por eso conviene vincularlo a la gestión de cambios de la planta.

• Versionar modelos, umbrales y configuraciones, y registrar cuál estaba activo en cada momento.
• Exigir una prueba con piezas patrón antes de liberar una nueva referencia o un modelo reentrenado.
• Vigilar indicadores de deriva: tasa de rechazo, distribución de puntuaciones, proporción de casos dudosos.
• Poder volver a la versión anterior de forma rápida si la nueva se comporta peor.

1. ¿Cabe todo el procesado en el tiempo disponible hasta el actuador, con margen en el peor caso?
2. ¿Está definido qué hace la línea si la visión no responde o no está operativa?
3. ¿Cada resultado se asocia a una pieza concreta y no al orden de llegada?
4. ¿Queda claro que ninguna función de seguridad de personas depende del sistema de visión?
5. ¿Se ha minimizado la captación de personas y se ha consultado el tratamiento de datos?
6. ¿Existe un procedimiento de validación con piezas patrón y un circuito de gestión de cambios?

Cuando estas preguntas tienen respuesta, el modelo de IA pasa a ser una pieza más de un sistema controlado. Cuando no la tienen, incluso un modelo excelente acabará generando desconfianza en planta.