Visión artificial: que la línea verifique cada unidad sin detenerse

Una cámara no es un sistema de inspección. El resultado depende de la óptica, la iluminación y la posición tanto como del software. Una cámara bien elegida pero mal iluminada rechaza piezas correctas y deja pasar las defectuosas. Por eso se dimensiona en sitio, con muestras reales del producto, antes de cotizar.

Aurora Vision, sin programar desde cero. Aurora Vision Studio construye la aplicación como un flujo de datos: se encadenan filtros ya probados —más de 3.000— para localizar, medir, leer y decidir si la unidad pasa o se rechaza. La aplicación se valida contra imágenes reales antes de llevarla a la línea y se ajusta sin reescribir código. Para quien prefiere programar, Aurora Vision Library ofrece las mismas herramientas como biblioteca.

Deep learning donde las reglas no alcanzan. Hay defectos que no se describen con una medida: una rayadura, una mancha, un sellado irregular. Para esos casos, Aurora incorpora herramientas de deep learning —detección de anomalías, clasificación, segmentación, localización de objetos y OCR— que se entrenan con decenas de imágenes de muestra, no con miles.

OCR para lote y vencimiento. En farmacéutico y alimentos, el texto impreso importa tanto como el código. El OCR con deep learning lee el lote y la fecha de vencimiento sobre el empaque y verifica que correspondan a la orden antes de que la unidad avance.

El resultado llega al sistema. Una inspección que solo enciende una luz roja no deja rastro. El resultado de cada unidad se enlaza con el PLC de la línea y con el sistema de producción: la pieza se aparta y el registro queda asociado a la orden.