IA que detecta hongo en fruta
Una pieza con hongo puede echar a perder la caja entera.
El problema
La revisión de fruta se hace a ojo, en banda, a velocidad y durante turnos largos. Es un trabajo donde el cansancio se paga caro: una pieza con hongo que pasa desapercibida sigue madurando dentro de la caja y contamina a sus vecinas. El daño no se ve al empacar, se ve cuando llega al cliente.
Además, el criterio varía entre personas y entre turnos. Lo que un revisor aparta, otro lo deja pasar, y no queda registro de qué se rechazó ni por qué, así que no hay forma de discutir con el proveedor ni de medir si un lote viene peor que otro.
Qué construimos
Instalamos una estación de visión sobre la banda: iluminación controlada, cámara y un equipo que clasifica cada pieza en el momento. El modelo fue entrenado con fotografías de fruta sana y fruta con distintos grados de afectación, de modo que no solo dice si hay hongo, sino qué tan avanzado está y en qué zona de la pieza.
Cuando detecta una pieza afectada, acciona el desviador para sacarla de la línea. Todo queda registrado con su imagen, así que al final del turno hay un reporte con el porcentaje de rechazo por lote y por proveedor, con evidencia visual. El criterio deja de depender de quién esté en la banda y se vuelve el mismo a las ocho de la mañana que a las once de la noche.
Cómo funciona por dentro
El detalle técnico de la solución, por bloques. Si algo de esto no te dice nada, no importa: en la primera plática lo explicamos sin tecnicismos.
Captura de imagen
- Cámara industrial con obturador global para congelar la pieza en movimiento
- Iluminación difusa controlada para eliminar sombras y reflejos que engañan al modelo
- Disparo sincronizado con encoder de la banda para fotografiar cada pieza una sola vez
Modelo de visión
- Red convolucional de segmentación que marca la zona afectada, no solo la etiqueta
- Entrenamiento con imágenes propias del producto y aumento de datos por iluminación y rotación
- Inferencia en el borde sobre Jetson, sin depender de internet ni de la nube
Rechazo en línea
- Señal al PLC para accionar el desviador o el soplo de aire en el momento exacto
- Compensación de tiempo entre la captura y el punto de expulsión según la velocidad de banda
- Modo de solo registro, para auditar el modelo antes de dejarlo rechazar
Trazabilidad
- Guardado de la imagen y el veredicto de cada pieza rechazada
- Reportes de porcentaje de rechazo por lote, proveedor y turno
- Reentrenamiento periódico con los casos que el equipo corrigió a mano
¿Quieres resolver algo parecido?
Cuéntanos qué te está costando tiempo o dinero hoy. Lo revisamos contigo sin costo y te decimos con honestidad si vale la pena resolverlo con tecnología o no.
Hablemos de tu proyectoSoluciones de inteligencia artificial
Aplicamos inteligencia artificial a problemas donde el volumen supera la revisión manual: imágenes que inspeccionar, documentos que clasificar o patrones que encontrar. El modelo aprende del criterio de tu operación y muestra en qué se basó.
Las imágenes de este proyecto fueron generadas con inteligencia artificial con la finalidad de no comprometer el proyecto real ni la información de nuestros clientes. Representan el funcionamiento de la solución, no capturas del sistema entregado.