Visión artificial industrial en planta y control de calidad
Visión artificial industrial — Referencia
| Denominación | Machine Vision / Computer Vision |
| Componentes | Cámara industrial, iluminación, procesador, software |
| Estándares | GigE Vision, USB3 Vision, Camera Link |
| Resolución típica | 0,3 – 65 Mpx (2D) / sistemas 3D estructurados |
| Tiempo de ciclo | Milisegundos por inspección |
| Softwares ref. | Cognex VisionPro, Halcon MVTec, OpenCV |
| Integración | PLC (I/O digital), OPC UA, Modbus TCP |
La visión artificial industrial es la tecnología que permite a las máquinas capturar, analizar e interpretar imágenes en entornos de producción para tomar decisiones automáticas: detectar defectos, verificar ensamblajes, medir dimensiones o leer códigos, sin intervención humana directa. Concretamente, un sistema de este tipo combina cámaras industriales, iluminación especializada, hardware de procesamiento y software de análisis de imagen, todo integrado con los sistemas de control —PLC, SCADA— de la línea de producción. [1]
En proyectos de automatización industrial, Electrohine integra sistemas de visión artificial industrial como parte de las soluciones de control de calidad, inspección automática y guía de robots en los sectores de alimentación, fabricación y tratamiento de aguas. La integración con el PLC es el punto crítico: el resultado de la inspección —aprobado/rechazado, medición, posición— debe llegar al controlador en el ciclo de tiempo adecuado para actuar sobre la línea.
Índice
- Qué es y componentes de un sistema de visión artificial
- Visión artificial tradicional frente a visión con IA
- Aplicaciones principales en planta industrial
- Cómo se integra con PLCs y sistemas de control
- Errores frecuentes al implementar visión artificial
- Cuándo tiene sentido y cuándo no
- Preguntas frecuentes
- Fuentes
Qué es la visión artificial industrial y cómo funciona
La visión artificial industrial es un sistema automatizado que utiliza cámaras industriales, iluminación controlada y software de análisis de imagen para inspeccionar productos y tomar decisiones en tiempo real durante el proceso de fabricación. Detecta defectos, verifica presencia de componentes, mide dimensiones y lee códigos sin intervención humana. Los resultados se envían al PLC de la línea en milisegundos para activar el rechazo o continuar la producción.
De hecho, un sistema de visión artificial industrial funciona en cuatro pasos secuenciales. En primer lugar, la captura: una cámara industrial sincronizada con la línea toma una imagen del producto en el momento preciso, con una iluminación diseñada para maximizar el contraste de los defectos a detectar. A continuación viene el procesamiento: un PC industrial o procesador embebido ejecuta los algoritmos de análisis —detección de bordes, comparación de patrones, medición dimensional— sobre la imagen capturada. Después, la decisión: el software compara los resultados con los criterios de aceptación y genera una señal de aprobado/rechazado. Finalmente, la actuación: el resultado se envía al PLC mediante señal digital, OPC UA o Modbus TCP, y el PLC activa el sistema de rechazo o permite el avance del producto.
De hecho, la iluminación es el elemento más crítico y frecuentemente subestimado de un sistema de visión artificial industrial. De hecho, el mismo defecto puede ser invisible con iluminación frontal y perfectamente detectable con iluminación lateral o retroiluminación. Concretamente, diseñar la iluminación correctamente determina en gran medida el éxito del sistema. [1]
Visión artificial tradicional frente a visión con IA
La visión artificial tradicional aplica reglas explícitas programadas: si el píxel supera un umbral, si el borde está en la posición esperada, si el área del blob es correcta. Con IA (deep learning) aprende de ejemplos: el sistema se entrena con imágenes de piezas buenas y defectuosas, y aprende a distinguirlas. La visión con IA es superior para variedad de defectos y superficies complejas; la tradicional es más rápida y determinista para mediciones precisas.
| Parámetro | Visión artificial tradicional | Visión con IA / Deep Learning |
|---|---|---|
| Funcionamiento | Reglas programadas explícitamente | Aprendizaje a partir de ejemplos etiquetados |
| Configuración | Requiere expertís en visión artificial | Requiere dataset de imágenes etiquetadas |
| Fortaleza | Medición dimensional, lectura de códigos, detección simple | Detección de defectos superficiales variados, texturas, clasificación |
| Variabilidad | Sensible a cambios de luz o posición | Tolera variación natural del producto |
| Velocidad | Muy rápida (microsegundos) | Más lenta (ms), requiere GPU o procesador dedicado |
| Falsos positivos | Más frecuentes ante variación | Menores con entrenamiento adecuado |
| Reentrenamiento | Necesita reprogramación manual | Mejora con nuevos datos de producción |
Concretamente, la combinación de ambos enfoques es la arquitectura más habitual en proyectos actuales: visión tradicional para medición y lectura de códigos (donde la exactitud y el determinismo son críticos), y visión con IA para inspección de defectos superficiales en materiales con variabilidad natural (madera, alimentos, textiles, fundición). [2]
Aplicaciones más relevantes de la visión artificial industrial
Las aplicaciones más frecuentes de la visión artificial industrial son: inspección de defectos superficiales, control dimensional, verificación de presencia y ensamblaje, lectura de códigos (QR, DataMatrix, OCR), guía de robots (bin picking, posicionamiento) y clasificación automática de piezas. Todas reducen el coste de la no calidad y eliminan la inspección manual, que es más lenta, cara y sujeta a fatiga del operario.
Inspección de defectos y control de calidad
Concretamente, la inspección automática de defectos es la aplicación más extendida de esta tecnología. Concretamente, los sistemas detectan grietas, rayaduras, manchas, burbujas, desconchones o deformaciones en superficies a velocidades de línea que hacen imposible la inspección humana. Por ejemplo, en sectores como la alimentación, estos sistemas verifican además la integridad del envase, la correcta colocación de tapones y la legibilidad de las fechas de caducidad. [3]
Control dimensional y verificación de ensamblaje
Estos sistemas miden con precisión de décimas de milímetro las dimensiones de piezas mecanizadas, verifican el par de apriete de tornillos por el ángulo de giro, confirman la presencia de todos los componentes en un ensamblaje o detectan polaridades incorrectas en componentes electrónicos. Asimismo, en líneas de ensamblaje de alta velocidad, en consecuencia, la visión reemplaza las galgas manuales y los operarios de verificación visual.
Lectura de códigos y trazabilidad
Esta tecnología permite leer códigos de barras, QR, DataMatrix y texto OCR a velocidades de cientos de piezas por minuto, en cualquier orientación y en condiciones de iluminación variables. En consecuencia, esto proporciona la trazabilidad completa del producto: cada unidad queda registrada con su identificador único, los parámetros de proceso y el resultado de inspección. En sectores regulados como farmacia y alimentación, esta trazabilidad es un requisito legal.
Guía de robots y bin picking
Concretamente, los sistemas 3D permiten a los robots identificar la posición y orientación exacta de piezas dispuestas aleatoriamente en una caja (bin picking), calcular la trayectoria de aproximación y ejecutar la manipulación sin necesidad de utillajes de presentación. De hecho, de hecho, esto elimina una de las mayores limitaciones de la robótica tradicional: la necesidad de piezas perfectamente orientadas y posicionadas para ser manipuladas.
Cómo se integra la visión artificial industrial con el PLC
Un sistema de visión artificial industrial se integra con el PLC de la línea mediante señales digitales para los resultados binarios (aprobado/rechazado), OPC UA o Modbus TCP para transmitir mediciones y datos de inspección al SCADA, y protocolos industriales de la cámara (GigE Vision, USB3 Vision) para la adquisición de imagen. El tiempo de ciclo completo —desde el disparo de la cámara hasta la señal de rechazo al PLC— debe ser inferior al tiempo de avance de la línea.
Asimismo, la integración de estos sistemas con el control es el punto donde interviene la experiencia de integración de Electrohine. Concretamente, hay tres niveles de integración posibles. La integración básica usa señales digitales: el PLC envía un pulso de disparo cuando llega la pieza, el sistema de visión devuelve una señal de OK/NOK que el PLC usa para activar el expulsor. Sin embargo, es simple y solo comunica el resultado binario.
Por su parte, la integración media añade comunicación Modbus TCP u OPC UA para enviar al SCADA los datos de inspección: valores de medición, código leído, tipo de defecto detectado, imagen de la pieza rechazada. Asimismo, esto permite el análisis estadístico de calidad (SPC) y la trazabilidad completa del producto. Por tanto, esta es la integración estándar en proyectos de Electrohine donde el cliente necesita trazabilidad.
Errores frecuentes al implementar visión artificial industrial
- Subestimar el diseño de iluminación: de hecho, es el error más frecuente y el de mayor impacto. La iluminación inadecuada hace que defectos detectables sean invisibles para la cámara. El diseño de iluminación requiere pruebas físicas con muestras reales del producto, no solo análisis teórico.
- Dimensionar la velocidad de cámara sin margen: el tiempo de exposición de la cámara debe ser suficientemente corto para congelar el movimiento a la velocidad máxima de la línea. Sin margen, cualquier aceleración de la producción generará imágenes movidas e inspecciones inválidas.
- No contemplar la variabilidad natural del producto: en alimentación, madera o fundición, el producto varía de forma natural entre unidades buenas. En consecuencia, si el umbral de rechazo no contempla esta variabilidad, la tasa de falsos positivos hace el sistema inviable operativamente.
- Implementar sin acceso al dataset de defectos: para entrenar sistemas de visión con IA, se necesitan imágenes reales de piezas defectuosas. En fábricas con procesos maduros y bajas tasas de defecto, obtener suficientes imágenes de defectos puede llevar meses. Este punto debe contemplarse en la planificación del proyecto.
Cuándo tiene sentido la visión artificial y cuándo no
Concretamente, esta tecnología genera valor claro cuando la inspección manual es el cuello de botella de la línea, cuando la velocidad de producción supera la capacidad de inspección humana, cuando los defectos son repetitivos y definibles visualmente, o cuando los requisitos de trazabilidad exigen el registro de cada unidad producida. De hecho, la substitución de un inspector manual por un sistema automático suele tener un ROI de 1 a 3 años, con la ventaja adicional de una inspección consistente al 100 % de las piezas.
En cambio, la visión artificial industrial no es adecuada cuando los defectos son aleatorios, multivariables y difíciles de reproducir; cuando el volumen de producción es demasiado bajo para justificar la inversión; o cuando el producto cambia frecuentemente y el coste de reconfiguración del sistema supera el beneficio de la automatización. Para estos casos, las mesas de inspección ergonómica con iluminación adecuada y listas de verificación son una alternativa más rentable.
¿Estás estudiando automatizar la inspección en tu línea?
Electrohine integra sistemas de visión artificial industrial con PLCs, robots y líneas de producción en proyectos de fabricación, alimentación y farmacia. Analizamos el proceso de inspección actual e identificamos si la visión artificial es la solución más rentable para tu caso concreto.Consulta con nuestros ingenieros →
Preguntas frecuentes sobre visión artificial industrial
Conceptos y componentes
¿Qué es la visión artificial industrial y en qué se diferencia de la visión por computadora?
La visión artificial industrial (Machine Vision) se refiere específicamente a los sistemas de análisis de imagen integrados en procesos de producción industrial, diseñados para operar en tiempo real, con sincronización con la línea de producción y entornos adversos (polvo, vibraciones, temperatura). La visión por computadora (Computer Vision) es el campo académico y tecnológico más amplio que abarca cualquier análisis de imagen por software. En la práctica, los sistemas de visión artificial industrial son implementaciones especializadas de visión por computadora.
¿Cuánto cuesta un sistema de visión artificial industrial?
El coste varía significativamente según el alcance. Concretamente, un sistema básico de lectura de código con cámara fija puede implementarse desde 3.000–8.000 €. Un sistema de inspección de defectos con iluminación especializada e integración con PLC oscila entre 15.000 y 60.000 €. Un sistema de bin picking 3D para guía de robot puede superar los 80.000 €. La variación depende principalmente de la complejidad del proceso de inspección, la velocidad de la línea y el nivel de integración requerido.
¿Qué papel juega la iluminación en un sistema de visión artificial?
La iluminación es el elemento más crítico de un sistema de visión artificial industrial. Determina la visibilidad de los defectos y la robustez del sistema ante variaciones del proceso. La iluminación frontal resalta textura y color; la lateral resalta relieve y raspaduras; la retroiluminación permite medición dimensional precisa. Un sistema con iluminación inadecuada puede no detectar defectos que son perfectamente visibles para el ojo humano. El diseño de iluminación requiere pruebas con muestras reales del producto.
Implementación e integración
¿Cómo se comunica un sistema de visión artificial con el PLC?
La comunicación más habitual es mediante señales digitales (I/O) para los resultados binarios (aprobado/rechazado/disparo de cámara) y protocolos industriales como Modbus TCP u OPC UA para enviar datos de inspección al SCADA. Algunos sistemas de visión modernos de Cognex o Keyence integran servidor OPC UA nativo, lo que permite acceder a los resultados de inspección desde cualquier cliente OPC UA sin programación adicional.
¿Cuándo es más adecuada la visión con deep learning que la visión tradicional?
Concretamente, la visión con IA es más adecuada cuando los defectos a detectar son variados y difíciles de definir con reglas explícitas, cuando la superficie del producto tiene variabilidad natural (madera, textiles, fundición, alimentos) o cuando la tasa de falsos positivos del sistema tradicional es inaceptable. En cambio, la visión tradicional sigue siendo superior para medición dimensional precisa, lectura de códigos y detección de defectos simples y bien definidos, donde el determinismo y la velocidad son prioritarios.
¿Qué sectores industriales usan más la visión artificial?
Los sectores con mayor adopción de visión artificial industrial son: automoción (verificación de ensamblaje y medición dimensional), electrónica (inspección de PCBs, detección de componentes), alimentación y bebidas (integridad de envases, lectura de caducidades, control de peso), farmacia (verificación de serialización, integridad de blíster) y fabricación de componentes metálicos (control de defectos superficiales, medición dimensional). Concretamente, cualquier sector donde la velocidad de producción supere la capacidad de inspección manual es candidato.
¿Puede un sistema de visión artificial funcionar con un PLC Siemens existente?
Sí. Los sistemas de visión artificial industriales de los principales fabricantes (Cognex, Keyence, Sick, Basler) se integran con PLCs Siemens mediante señales digitales estándar, Modbus TCP o OPC UA. En proyectos con TIA Portal, Siemens también ofrece bloques de función específicos para la integración con su gama de cámaras VS. El tiempo de integración depende del protocolo elegido: las señales digitales son más rápidas de implementar, mientras que OPC UA ofrece más datos pero requiere más configuración.
Fuentes consultadas
- E2M COUTH — Control de Calidad en Producción con Visión Artificial (febrero 2026). e2mcouth.com
- Overview.ai — Visión Artificial vs Visión AI para Control de Calidad: Comparación 2025 (diciembre 2025). overview.ai
- Jidoka Tech — Inspección visual y control de calidad en 2025. jidoka-tech.ai
- Unitx Labs — Impulsando el sistema de visión artificial en 2025 (junio 2025). unitxlabs.com
- Deuser — Visión artificial para la optimización del control de calidad (diciembre 2025). deuser.es
Sobre el autor
Artículo elaborado por el equipo técnico de Electrohine, con experiencia en integración de sistemas de visión artificial con PLCs, robots y líneas de producción en proyectos industriales de alimentación, fabricación y farmacia, con más de 20 años de experiencia en automatización industrial.
Cómo se ha elaborado
Basado en la experiencia de Electrohine en proyectos de inspección automatizada, contrastado con publicaciones de E2M Couth, Overview.ai y Jidoka Tech. Última revisión: mayo de 2026.