Tipos de visiónartificial: guía completa para la industria

Cuando una organización empieza a evaluar la incorporación de visión artificial a sus procesos, una de las primeras preguntas que surge es cuál es el sistema adecuado. Y la respuesta no es sencilla, porque no existe un único tipo de visión artificial.

Lo que habitualmente se llama visión artificial — o computer vision en su denominación en inglés — abarca tecnologías muy distintas según el tipo de sensor utilizado, la función que realiza y dónde se ejecuta el procesamiento. Elegir mal el sistema implica invertir en una solución que no resuelve el problema real.

Esta guía recorre las principales clasificaciones para que cualquier responsable técnico o de operaciones pueda entender qué tipo de sistema necesita antes de evaluar soluciones concretas.

Clasificación por tecnología: qué tipo de sensor utiliza el sistema

La primera diferencia relevante está en el tipo de sensor. Cada tecnología captura una dimensión distinta de la realidad y, por tanto, es adecuada para distintos tipos de análisis.

Visión 2D

Es el tipo más extendido. Utiliza cámaras convencionales — monocromáticas o en color — para capturar imágenes planas del objeto o escena. El sistema analiza lo que ve en términos de forma, color, textura, presencia o ausencia de elementos.

Aplicaciones típicas: inspección superficial de piezas, lectura de códigos QR y de barras, verificación de etiquetado, detección de presencia de componentes.

Visión 3D

Añade la dimensión de profundidad a la imagen. Los sistemas 3D pueden utilizar distintas tecnologías: sensores de tiempo de vuelo (ToF), cámaras estéreo, proyección de luz estructurada o escáneres láser.

Aplicaciones típicas: medición volumétrica de piezas, guiado de robots, verificación de ensamblaje, detección de deformaciones o alturas.

Visión térmica (infrarroja)

Las cámaras térmicas no capturan imagen visible sino radiación infrarroja, lo que permite detectar diferencias de temperatura en objetos, equipos o personas. Son especialmente útiles en entornos con poca iluminación o donde la temperatura es el indicador clave.

Aplicaciones típicas: mantenimiento predictivo (detección de puntos calientes en equipos eléctricos o mecánicos), detección de incendios en almacenes, verificación de EPIs en entornos de temperatura controlada.

Visión hiperespectral

Captura imágenes en cientos de longitudes de onda del espectro electromagnético, lo que permite detectar composición química o propiedades que el ojo humano no puede apreciar. Es la tecnología más especializada y de mayor coste.

Aplicaciones típicas: control de calidad en industria alimentaria (detección de contaminantes, madurez de producto), análisis de materiales en reciclaje, inspección farmacéutica.

Tabla comparativa de tipos por tecnología

Clasificación por función: qué hace el sistema

Más allá del sensor, los sistemas de visión artificial se diferencian también por la tarea que realizan. En muchos proyectos, un mismo sistema puede combinar varias funciones.

• Inspección de calidad: verifica que un producto cumple las especificaciones definidas. Detecta defectos superficiales, errores de ensamblaje, piezas incorrectas o ausentes.
• Detección y clasificación: identifica objetos, personas o eventos en una escena. Base de los sistemas de seguridad, control de acceso y analítica de vídeo.
• Medición y metrología: calcula dimensiones, distancias, ángulos o volúmenes con precisión. Habitual en piezas de tolerancia estricta.
• Lectura de códigos e identificación: lee códigos QR, de barras, DataMatrix o caracteres OCR para trazabilidad e identificación de producto.
• Guiado de robots: proporciona coordenadas precisas a brazos robóticos para operaciones de pick-and-place, ensamblaje o soldadura.
• Clasificación por procesamiento: dónde se ejecuta la inteligencia

Una dimensión que a menudo se pasa por alto es dónde se ejecuta el análisis. Esto afecta directamente a la velocidad de respuesta, el coste de infraestructura y la viabilidad en entornos sin conectividad estable.

• Edge (en el dispositivo o servidor local): el procesamiento ocurre en el propio dispositivo o en un servidor local junto a la línea. Ofrece latencia mínima y funciona sin dependencia de red. Es la opción habitual en entornos industriales con requerimientos de respuesta en tiempo real.
• Cloud: las imágenes se envían a servidores remotos para su análisis. Permite mayor capacidad de procesamiento y escalabilidad, pero introduce latencia y dependencia de la conectividad.
• Híbrido: combina procesamiento local para decisiones en tiempo real y cloud para análisis histórico, actualización de modelos o supervisión centralizada.

Cómo elegir el tipo adecuado para tu proceso

No existe una respuesta universal. La elección depende de una combinación de factores que deben analizarse de forma conjunta:

• ¿Qué necesita detectar o medir el sistema? Defectos superficiales, temperatura, dimensiones, presencia de objetos, comportamientos...
• ¿En qué condiciones trabaja? Iluminación disponible, velocidad de la línea, temperatura ambiente, espacio disponible para instalar el sistema.
• ¿Con qué velocidad necesita responder? Un sistema de rechazo en línea requiere latencia de milisegundos; un sistema de supervisión puede tolerar más.
• ¿Qué sistemas debe integrar? ERP, SCADA, sistema de control de producción, plataforma de mantenimiento...

La respuesta a estas preguntas define qué tecnología, qué función y qué arquitectura de procesamiento tiene sentido para cada caso concreto.

El enfoque de Ironsys: la tecnología se elige después del problema

En Ironsys no partimos de un tipo de sistema preferido. Partimos del proceso, del entorno y del resultado que el cliente necesita obtener.

Eso nos permite seleccionar la combinación de tecnologías más adecuada — 2D, térmica, 3D, edge o híbrida — y diseñar un sistema que encaje con la realidad operativa del cliente, no al revés.

El resultado es un sistema que hace exactamente lo que se necesita, sin sobredimensionar y sin comprometer la fiabilidad.