MOTTUS
Sistema avanzado de verificación y optimización de calidad
Industria agroalimentaria
16/06/2025
En producción
Una solución basada en visión artificial y deep learning diseñada para revolucionar el control de calidad en la industria agroalimentaria.
¿Qué lo hace único?
Este sistema es aplicable a cualquier proceso de calidad basado en IA, puede diseñarse de forma modular, adaptándose al caudal de producción requerido por cada instalación.
El sistema realiza el análisis de calidad en 200 milisegundos, capturando tres imágenes por unidad, y determina de manera automática si el producto es apto o no conforme.
¿De que se compone?
– Mesa vibratoria con 8 canales paralelos para una distribución uniforme del producto sin solapamientos.
– 16 cámaras de visión artificial con sensor CMOS de obturador global y comunicación GigE Vision.
– Subsistema de iluminación LED de espectro controlado, calibrado en intensidad, ángulo y temperatura de color.
– Sistema de palas abatibles para la expulsión por gravedad del producto defectuoso, fabricadas con material certificado para la industria alimentaria (importado desde EE. UU.).
Descripción del Proyecto
EMPRESA
MOTTUS
IMPACTO EN NEGOCIO / KPIS
Duplicación de la producción (+100%), reducción de hasta un 80% del control manual, >99% de precisión en detección de defectos y disminución de rechazos y costes operativos.
FECHA
VARIAS SESIONES DURANTE EL AÑO
ACTIVIDAD
TALLER Y VISITA A INSTALACIÓN
OBJETIVOS ESPERADOS
– Duplicar la producción
– Mejorar significativamente el nivel de calidad frente al método manual
– Inspección, segmentación y clasificación en tiempo real mediante redes neuronales convolucionales avanzadas
TIPO DE TECNOLOGÍA DE IA USADA
Sistema de visión artificial basado en deep learning, concretamente redes neuronales convolucionales (CNN), para la inspección, segmentación y clasificación automática de producto en tiempo real. La solución analiza imágenes multivista capturadas por cámaras industriales y determina la presencia de defectos, estado y dimensionalidad del producto, ejecutando decisiones automáticas de clasificación mediante un algoritmo de decisión con IA entrenado específicamente para este proceso de control de calidad.
ROLES Y RESPONSABILIDADES
– Operadores de línea: supervisión general del funcionamiento del sistema, carga de producto y control del flujo.
– Responsables de calidad: definición de criterios de validación, revisión de resultados y seguimiento de indicadores de calidad y rendimiento.
– Equipo técnico: configuración inicial, calibración de cámaras e iluminación, mantenimiento preventivo y actualización del sistema.
REQUERIMIENTOS TÉCNICOS
– Infraestructura hardware:
Sistema de visión artificial con cámaras industriales CMOS y comunicación GigE Vision.
Iluminación LED calibrada de espectro controlado.
Unidad de procesamiento con GPU para inferencia de modelos de deep learning.
Sistemas mecánicos de transporte, ordenación y rechazo automático integrados en la línea.
– Despliegue e integración:
Instalación en línea de producción existente, con sincronización con cintas transportadoras y sistemas de control industrial.
Conectividad industrial estándar y posibilidad de integración con PLC/SCADA.
Calibración inicial y fase de entrenamiento del modelo con datos del producto real.
– Escalabilidad:
Arquitectura modular que permite aumentar número de cámaras, capacidad de procesamiento o velocidad de línea.
Posibilidad de actualización de GPU, sensores o iluminación para mejorar precisión o rendimiento.
Adaptable a distintos productos o procesos de control de calidad basados en visión artificial.
MÉTRICAS DE ÉXITO
– Incremento de la capacidad productiva: de ~300 kg/h a ~600 kg/h (≈ +100%).
– Reducción del personal dedicado al control manual: hasta un 80%.
– Precisión en la detección y clasificación: >99% de acierto.
– Tiempo de análisis por unidad: 200–300 milisegundos.
– Reducción significativa del producto no conforme y de errores de clasificación.
– Mejora del rendimiento operativo global y estabilidad del proceso en producción continua.
DESAFÍOS ENCONTRADOS
Variabilidad del producto (tamaño, estado y especie), necesidad de iluminación y captura de imagen muy controladas, entrenamiento del modelo con datos reales y correcta integración mecánica y sincronización con la línea de producción existente.
PLAN DE MITIGACIÓN
Calibración continua de cámaras e iluminación, reentrenamiento periódico del modelo con nuevos datos, supervisión por personal de calidad, mantenimiento preventivo y arquitectura modular que permite ajustes y mejoras sin interrumpir la producción.
QUÉ MEJORAR EN FUTURAS IMPLEMENTACIONES
Ampliar el dataset para mayor robustez ante nuevas variaciones de producto, incorporar cámaras o sensores de mayor resolución y optimizar la capacidad de procesamiento (GPU) para aumentar velocidad, escalabilidad y adaptación a otros productos o líneas.
DATOS UTILIZADOS
– Tipo: Datos no estructurados en forma de imágenes multiespectrales capturadas por sistemas de visión artificial; procesadas como secuencias en tiempo real (flujo continuo).
– Origen: Captura directa mediante 16 cámaras industriales con sensores CMOS y sistema de iluminación controlada instaladas en la línea de producción. Las imágenes se obtienen desde distintos ángulos por cada unidad de producto para su análisis automatizado.
– Volumen y frecuencia: Adquisición en tiempo real de múltiples imágenes por unidad (tres capturas por elemento), con procesamiento en menos de 200–300 ms por pieza y capacidad de inspección industrial continua de hasta 600 kg/h de producto
HERRAMIENTAS / PLATAFORMAS
Sistema de visión artificial basado en deep learning, concretamente redes neuronales convolucionales (CNN), para la inspección, segmentación y clasificación automática de producto en tiempo real. La solución analiza imágenes multivista capturadas por cámaras industriales y determina la presencia de defectos, estado y dimensionalidad del producto, ejecutando decisiones automáticas de clasificación mediante un algoritmo de decisión con IA entrenado específicamente para este proceso de control de calidad.
PROCESO / SISTEMA AL QUE SE INTEGRA
La solución se integra al final de la línea de producción como un sistema automatizado de control de calidad en tiempo real. Se instala tras el sistema de alimentación y ordenación del producto (mesa vibratoria con canales paralelos), donde las unidades son individualizadas y conducidas hacia el módulo de visión artificial.
El sistema captura imágenes mediante múltiples cámaras industriales, analiza cada unidad con modelos de IA y ejecuta la clasificación automática (válido/no conforme) activando un mecanismo de rechazo o permitiendo el paso al lote final.
La integración se realiza sin alterar el flujo productivo principal, funcionando de forma autónoma y sincronizada con la línea existente, y pudiendo adaptarse a distintos caudales de producción mediante un diseño modular y escalable.
RESULTADOS OBTENIDOS O ESPERADOS
La implantación del sistema de visión artificial con IA ha permitido automatizar el control de calidad en tiempo real, aumentando la eficiencia operativa y reduciendo errores humanos. Se ha logrado duplicar la capacidad productiva de la línea, mejorar significativamente la precisión en la detección de producto defectuoso y reducir la carga de trabajo manual.
El sistema permite una clasificación automática y continua sin intervención humana directa, incrementando la fiabilidad del proceso y reduciendo el porcentaje de producto no conforme. Asimismo, mejora la trazabilidad y la consistencia en los criterios de calidad, generando un retorno de inversión derivado del aumento de productividad, la reducción de rechazos y la optimización de recursos humanos.
ASPECTOS ÉTICOS O DE GOBERNANZA
Sistema orientado a inspección de producto sin datos personales. Se garantiza trazabilidad, validación periódica del modelo y supervisión humana para evitar errores de clasificación y asegurar transparencia en los criterios de calidad.
QUÉ FUNCIONÓ BIEN
La combinación de visión artificial y deep learning permitió una clasificación automática en tiempo real con >99% de precisión, duplicando la capacidad productiva e integrándose sin fricciones en la línea existente, reduciendo errores y carga manual.