Cámaras de visiónartificial para industria: cómo elegir la adecuada

Cuando una organización empieza a definir un proyecto de visión artificial, una de las primeras preguntas que surge es: ¿qué cámara necesito? Es una pregunta lógica, pero parte de un enfoque incorrecto.

Las industrial computer vision cameras — cámaras industriales de visión artificial — son un componente del sistema, no el sistema en sí. La resolución, el tipo de sensor o el formato de la cámara solo tienen sentido en función de lo que el sistema necesita detectar, en qué condiciones y con qué velocidad.

Elegir el hardware antes de definir el proceso es uno de los errores más frecuentes en los proyectos de visión artificial industrial. Esta guía recorre los criterios clave para que la selección se haga en el orden correcto: primero el problema, después la tecnología.

Criterios de selección: resolución, velocidad y tipo de sensor

Los parámetros técnicos de una cámara industrial determinan qué puede ver el sistema y en qué condiciones. Los más relevantes para la selección son:

Ninguno de estos parámetros puede definirse de forma aislada. La resolución necesaria depende del tamaño del defecto más pequeño que hay que detectar. La velocidad necesaria depende del ritmo de la línea. El tipo de sensor depende de qué información es relevante para el análisis.

Formato: área scan vs. línea scan

Más allá de los parámetros del sensor, el formato de captura define cómo el sistema obtiene la imagen del objeto. Hay dos modelos principales:

La elección entre uno y otro depende fundamentalmente de la naturaleza del objeto a inspeccionar y de las condiciones del proceso productivo.

Iluminación: la parte crítica que suele ignorarse

La iluminación es, posiblemente, el elemento más determinante en el rendimiento de un sistema de visión artificial industrial. Y es también el que más frecuentemente se subestima o se decide al final del proceso de diseño.

Una iluminación inadecuada puede hacer que defectos claramente visibles para el ojo humano sean invisibles para la cámara, o que variaciones normales del producto aparezcan como anomalías. El mejor sensor del mercado no compensará una iluminación mal diseñada.

Los tipos de iluminación más utilizados en visión artificial industrial son:

• Iluminación difusa: distribuye la luz de forma uniforme, eliminando reflejos. Ideal para superficies brillantes o irregulares.
• Iluminación coaxial: proyecta luz en el mismo eje que la cámara. Resalta defectos superficiales en materiales planos y pulidos.
• Iluminación lateral (rasante): crea sombras que hacen visibles las variaciones de altura o textura. Muy efectiva para detectar rayaduras o relieves.
• Luz estructurada: proyecta patrones sobre la superficie para análisis 3D o medición de profundidad.
• Retroiluminación (backlight): ilumina desde detrás del objeto para obtener su silueta. Útil para medición dimensional y detección de presencia.

Procesamiento: edge, servidor local o cloud

Dónde se ejecuta el análisis de la imagen tiene implicaciones directas en la latencia, el coste de infraestructura y la viabilidad del sistema en el entorno industrial:

• Edge computing (en el dispositivo o servidor junto a la línea): procesamiento local con latencia mínima. No depende de la red. Es la opción estándar para sistemas de rechazo en línea que requieren respuesta en milisegundos.
• Servidor local centralizado: un servidor en la planta procesa las imágenes de varias cámaras. Permite mayor capacidad de cómputo y centralización del dato, con latencia mayor que el edge pero sin dependencia de conectividad externa.
• Cloud: procesamiento remoto. Útil para análisis histórico, actualización de modelos o supervisión centralizada de múltiples plantas. No adecuado para decisiones en tiempo real.
• Arquitectura híbrida: decisiones en tiempo real en local y datos agregados en cloud. Es el modelo más flexible para entornos industriales complejos.

Integración con el sistema de control existente

Una cámara industrial que funciona de forma aislada tiene un valor limitado. El verdadero potencial aparece cuando el sistema se integra con la infraestructura de control y gestión de la planta.

Los aspectos de integración más relevantes son:

• Protocolos de comunicación industrial: OPC-UA, Profinet, Modbus, MQTT — el sistema debe hablar el mismo idioma que el PLC o SCADA existente.
• Sincronización con la línea: señales de trigger para disparar la captura en el momento exacto en que la pieza está en posición.
• Salidas hacia actuadores: señales para activar desviadores, rechazadores o alarmas de forma automática según el resultado del análisis.
• Conexión con MES o ERP: transferencia de datos de calidad para trazabilidad, reporting y análisis de proceso.

Errores comunes al elegir hardware sin tener en cuenta el proceso

La experiencia en proyectos de visión artificial industrial muestra que los problemas más frecuentes no son tecnológicos. Son errores de enfoque que ocurren antes de elegir el hardware:

• Sobredimensionar la resolución: más megapíxeles no siempre es mejor. Una resolución excesiva aumenta el volumen de datos a procesar, reduce la velocidad del sistema y encarece la infraestructura sin aportar beneficio real.
• No diseñar la iluminación desde el inicio: añadir la iluminación como elemento accesorio al final del diseño es uno de los errores más costosos. La iluminación define qué puede ver la cámara.
• Elegir hardware de consumo en entornos industriales: las cámaras industriales están diseñadas para operar en condiciones de temperatura, vibración, polvo y humedad que una cámara convencional no soporta.
• No considerar la integración desde el diseño: un sistema de visión que no puede comunicarse con el PLC, el MES o el sistema de rechazo no aporta valor operativo, independientemente de la calidad del análisis.
• Comprar el hardware antes de definir el proceso: el error más frecuente. La cámara debe elegirse después de saber qué se necesita detectar, en qué condiciones y con qué velocidad.

El enfoque de Ironsys: el hardware al servicio del proceso

En Ironsys no partimos del hardware. Partimos del proceso, del entorno y de lo que el sistema necesita detectar. La selección de cámaras, óptica, iluminación y arquitectura de procesamiento es el resultado de ese análisis, no el punto de partida.

Esto nos permite recomendar la combinación técnica más adecuada para cada caso — no la más cara ni la más avanzada, sino la que resuelve el problema con la fiabilidad y el coste adecuados — y diseñar la integración con los sistemas existentes desde el primer día del proyecto.