La inspección robótica colaborativa funciona cuando cada característica requerida está vinculada a una referencia de pieza estable, una vista y condiciones de iluminación controladas, una regla de decisión explícita y una ruta de verificación recuperable. El movimiento del robot puede colocar un sensor alrededor de una carcasa compleja, pero el movimiento por sí solo no determina la calidad de la imagen ni la capacidad de detección. Valide las piezas representativas, las condiciones conocidas, los casos de oclusión, la incertidumbre y el manejo de rechazos antes de realizar cualquier reclamación de cobertura o calidad.
Puntos clave
- Comience con una matriz de características y condiciones en lugar de una lista de posiciones de la cámara.
- Defina cómo se relaciona el sistema de coordenadas de la pieza con el dispositivo de fijación, el robot, el sensor y la imagen.
- Considere la iluminación, la exposición, el estado de la superficie, el enfoque y el campo de visión como una única configuración de imagen.
- Registre los casos de imágenes ocluidas, de baja confianza, de imágenes faltantes y de comunicación en lugar de clasificarlos silenciosamente.
- Compare cámaras fijas, cámaras transportadas por robots y verificación manual con las mismas reglas de aceptación y revisión.
Lo que muestra la evidencia seleccionada y lo que no muestra.
La secuencia seleccionada muestra un robot colaborativo moviéndose alrededor de una carcasa metálica compleja y presentando un dispositivo hacia varias superficies. Los diferentes puntos de vista facilitan el análisis de la detección que realiza el robot, el acceso a las características, la planificación de la vista, la posible oclusión y el enrutamiento de verificación.
El vídeo no identifica el tipo de sensor, si el dispositivo captura datos bidimensionales o tridimensionales, la lente, la iluminación, la exposición, la lista de características, el método de referencia, la calibración, la incertidumbre de la medición, el algoritmo, los datos de entrenamiento, el conjunto de defectos, la cobertura de la inspección, la precisión, el comportamiento de falsas alarmas, el tiempo de ciclo, el sistema de trazabilidad, el resultado de la aceptación ni la implementación en producción. No se puede afirmar que se haya realizado una "inspección al 100%" ni obtener un resultado de detección numérico.
Ese límite cambia el enfoque del diseño. La pregunta ya no es "¿Puede el brazo inspeccionar la carcasa?", sino "¿Se puede observar cada condición requerida con evidencia controlada y determinar si se ha aprobado, reprobado o necesita una nueva verificación?".
Método de inspección colaborativa mediante visión robótica: CLEAR
EVST utiliza CLEAR para estructurar una revisión de inspección temprana:
- C — Referencia de coordenadas: Punto de referencia de la pieza, referencia del accesorio, sistema de coordenadas del robot, sistema de coordenadas del sensor e identidad de la característica.
- L — Iluminación: Dirección, selección de espectro o fuente, control de deslumbramiento, aislamiento ambiental y monitorización de las condiciones.
- E — Exposición y campo de visión: Distancia de trabajo, enfoque, tamaño de la característica, región de la imagen, estado de movimiento y disparador de captura.
- A — Acceso y oclusión: Espacio libre para herramientas, posición de la cámara, superficies bloqueadas, cables y área de colisión.
- R — Revisión y registros: estados de confianza o validez, reglas de reintento, disposición manual, retención de imágenes y control de cambios.
CLEAR no selecciona una cámara ni garantiza un resultado. Revela la información necesaria del proyecto para comparar arquitecturas y pruebas de diseño.
1. Traducir los requisitos del producto en una matriz de características.
Enumere cada característica o condición que deba verificarse y vincúlela con el plano, la especificación, el plan de control o el requisito del producto acordado. Describa qué constituye una observación aceptable sin asumir un método visual. Algunos ejemplos podrían ser la presencia, la orientación, el estado de la superficie, la legibilidad de la etiqueta o el código, el estado del conector o una dimensión; sin embargo, cada uno requiere su propio alcance y evidencia.
2. Establecer la cadena de coordenadas e identidad
Un sensor transportado por un robot necesita saber qué pieza está presente y dónde se encuentra la característica objetivo con respecto al sensor. Defina la ubicación de la pieza en el dispositivo de sujeción, la referencia del dispositivo de sujeción al robot, el marco de la herramienta del robot o del sensor, y la región de la imagen utilizada para la decisión. Indique cómo se seleccionan y confirman la variante del producto y el programa.
La repetibilidad de la posición del robot es solo uno de los factores que influyen. La variación en la fijación, el asentamiento de la pieza, el montaje del sensor, la calibración, el comportamiento de la lente, las condiciones térmicas y la geometría de la característica pueden alterar lo que aparece en la imagen. La norma ISO 9283 proporciona métodos para evaluar el rendimiento de los robots industriales manipuladores; no establece el rendimiento de medición para una celda de inspección visual completa.
Planifique comprobaciones de referencia que puedan revelar cambios en la relación. Estas pueden incluir un artefacto conocido, un objetivo de fijación, un punto de referencia, una característica de estado de la imagen u otro método específico del proyecto. Defina cuándo se requiere una comprobación de referencia (después de un servicio, una colisión, un ajuste del sensor, un cambio de software o una comprobación de estado fallida) y qué sucede cuando la situación se encuentra fuera de su estado permitido.
3. Diseñar la iluminación antes de optimizar la lógica de decisión.
Las imágenes de visión artificial se crean mediante la interacción de la luz, la superficie, la geometría, la lente y el sensor. Una característica visible para una persona bajo la luz de un taller puede desaparecer cuando la pieza está aceitosa, girada, es más reflectante o está expuesta a cambios en la luz ambiental.
La guía de iluminación para visión artificial de la Asociación para el Avance de la Automatización explica cómo la geometría y la técnica de iluminación afectan el contraste y la visibilidad de los detalles. En un sistema robótico, la iluminación puede montarse con el sensor, fijarse en la estación o combinarse. Cada configuración modifica las sombras, el deslumbramiento, la carga del cable, el área de colisión y la repetibilidad de las condiciones ópticas.
4. Defina la ventana de captura.
Para cada función, especifique la distancia de trabajo, el campo de visión, la región de imagen deseada, la condición de enfoque, la orientación de la cámara, el estado de iluminación, la exposición o ajustes de adquisición equivalentes, el estado del robot y la confirmación del disparador. Decida si el robot debe permanecer inmóvil, puede adoptar una postura fija o puede capturar imágenes durante el movimiento solo si se valida dicho método.
Un campo de visión más amplio puede mostrar más contexto, pero podría reducir el detalle útil de la imagen para una característica pequeña. Una vista cercana puede mejorar la visibilidad de la característica, aunque disminuye la tolerancia a la ubicación de la pieza o la posición del robot. Estas compensaciones deben probarse con el sensor elegido y las piezas reales; las grabaciones no pueden resolverlas.
Agregue comprobaciones de validez de imagen. Un disparador faltante, un fotograma saturado, un desenfoque, una lente bloqueada, una iluminación deficiente, una variante incorrecta o una transferencia incompleta no deben considerarse una pieza inspeccionada en buen estado. Cree un estado explícito de "decisión no válida".
5. Planificar el acceso y la oclusión como un conjunto de vistas.
Las carcasas complejas crean cavidades, nervaduras, bridas, conectores y superficies reflectantes que bloquean o distorsionan la vista. Cree un conjunto de vistas para la matriz de características. Una pose puede abarcar varias características compatibles; otra característica puede requerir dos vistas para gestionar la oclusión o la orientación.
Modele la carcasa del sensor, la protección de la lente, la iluminación, el soporte, la muñeca, el cable y el cuerpo del robot. Incluya el acercamiento y el alejamiento, no solo la posición de captura. Verifique los accesorios, las protecciones, las cintas transportadoras, las herramientas adyacentes y la pieza en los límites de tolerancia. Proteja el sensor de colisiones y de la contaminación del proceso sin obstruir su trayectoria óptica.
Cuando una característica no se puede observar de forma fiable, documente la deficiencia. Las opciones incluyen cambiar la orientación del dispositivo de fijación, añadir una cámara fija, incorporar iluminación controlada, modificar la presentación de la pieza, utilizar un método de detección diferente o derivar dicha característica a verificación manual. Ocultar la deficiencia tras una etiqueta genérica de "inspección multiángulo" genera una reclamación de cobertura no justificada.
6. Construir un conjunto representativo de imágenes y condiciones.
Las pruebas requieren piezas identificadas que representen la variación normal de la producción y condiciones conocidas relevantes para la matriz de características. Incluya ejemplos aceptables e inaceptables cuando sea práctico y esté permitido, junto con estados límite o ambiguos que deban dar lugar a una nueva verificación o una disposición manual.
El trabajo de medición en fabricación y robótica del NIST se centra en la evaluación del rendimiento y la ciencia de la medición, en lugar de en las conclusiones derivadas de demostraciones. Aquí se aplica el mismo principio: definir la magnitud o decisión a medir, la condición de referencia, los factores que contribuyen a la incertidumbre, el procedimiento de prueba y el límite de la presentación de informes.
7. Elija métricas que se ajusten al riesgo de la decisión.
No reduzca el rendimiento a un único valor de "precisión" no especificado. Para una tarea de clasificación, los equipos pueden necesitar categorías de confusión, falsa aceptación, falso rechazo, tasa de imágenes no válidas y comportamiento según la clase de defecto o condición. Para una tarea de medición, pueden necesitar sesgo, repetibilidad, reproducibilidad, incertidumbre, rango, resolución y trazabilidad, según los requisitos.
Las métricas exactas y el diseño de la muestra dependen de la aplicación y las consecuencias del error. Indique la población representada por las partes de la prueba y las condiciones no cubiertas. Un resultado obtenido con una muestra limitada no justifica una declaración de detección o cobertura universal.
Vincula cada métrica a una disposición. Un resultado de baja confianza o fuera de rango puede derivar en una segunda vista automatizada, una recaptura tras la limpieza, una verificación manual, un rechazo o una detención. Define esta ruta antes de la producción para evitar que el sistema improvise.
8. Revisión del diseño y recuperación de fallos
Defina qué desencadena una recaptura en la misma posición: una nueva vista, el reposicionamiento de la pieza, la inspección de la lente, el recolocamiento del accesorio o la revisión manual. Limite los reintentos automáticos para que una condición errónea persistente no consuma tiempo ni sobrescriba la evidencia original.
Cree respuestas controladas para piezas incorrectas, piezas mal colocadas, fallos en la verificación de referencia, fallos en la posición del robot, pérdida de comunicación del sensor, fallos de iluminación, imágenes faltantes, fallos de almacenamiento, resultados de baja confianza, resultados ambiguos y rechazo de la inspección. Conserve el resultado original y la identidad de la pieza mediante la recuperación.
9. Comparar arquitecturas con la misma matriz de condiciones
| Arquitectura de interiores | útil cuando | Principal ventaja de la prueba | Limitación principal de la prueba |
|---|---|---|---|
| Conjunto de cámara fija | Las características llegan en ubicaciones y vistas estables. | Sincronización de captura sencilla y sin movimiento del robot entre vistas. | Puede que se necesiten varias cámaras o la reorientación de alguna pieza; la oclusión se puede solucionar. |
| Cámara transportada por un robot | Las características se distribuyen alrededor de una parte compleja. | Puntos de vista flexibles y posible intercambio de sensores | Más dependencias de pose, cable, colisión, tiempo de captura y calibración. |
| Verificación manual | Las condiciones requieren interpretación humana o flexibilidad de bajo volumen. | Visión adaptable y juicio contextual | Se deben gestionar la ergonomía, la coherencia, la documentación y la dotación de personal. |
Utilice una matriz de características, un conjunto de condiciones representativas, una lógica de disposición y un plan de retención de evidencia para los tres. Compare las decisiones aceptadas completas, incluyendo manejo, captura, procesamiento, verificación, revisión manual, cambio, mantenimiento y recuperación.
Las arquitecturas híbridas suelen ser una opción razonable. Las cámaras fijas pueden gestionar vistas estables de alta frecuencia, un sensor transportado por un robot puede alcanzar superficies distribuidas y la verificación manual puede resolver casos ambiguos definidos explícitamente. La arquitectura debe priorizar las necesidades de evidencia sobre el deseo de automatizar todas las vistas con un solo dispositivo.
10. Comisión desde la validez de la imagen hasta los estados de producción
Comience con la identificación de la pieza, la referencia del accesorio, el estado del sensor, la iluminación y la confirmación de la captura. Demuestre una característica en condiciones normales y exigentes aceptables, luego evalúe los estados inaceptables conocidos y las imágenes no válidas. Amplíe el análisis a través de la matriz de características y las variantes del producto.
Ejecuta la secuencia completa de piezas, incluyendo transferencia, orden de visualización, agregación de decisiones, verificación, enrutamiento de rechazo y registro de datos. Prueba el cambio de formato, el servicio de sensores o luces, el cambio de condición de la superficie, la pieza mal colocada, el programa incorrecto, la pérdida de comunicación, la vista bloqueada y el ciclo interrumpido.
Libere únicamente las características, variantes, condiciones y configuraciones que hayan sido evaluadas. Mantenga una lista de control de cambios para el soporte del sensor, la lente, la iluminación, la carcasa, el accesorio, el bastidor del robot, el software, los umbrales y los cambios de producto que puedan invalidar la evidencia anterior.
Declaraciones citables
Para tomar una decisión basada en visión artificial se necesita una cadena de referencia que vaya desde la pieza y el accesorio, pasando por el robot y el sensor, hasta la imagen; la posición del robot por sí sola no es un resultado de medición. Base de referencia: ISO 9283 define la evaluación del rendimiento de los robots, mientras que NIST enmarca la automatización de la fabricación en torno a la evaluación del rendimiento y la ciencia de la medición. Límite: el proyecto debe definir el método completo de referencia de celdas y de incertidumbre.
La iluminación y la validez de la vista son parámetros de inspección: una imagen saturada, borrosa, bloqueada, faltante o con una variante incorrecta no es un resultado de inspección válido. Base de la fuente: la Asociación para el Avance de la Automatización explica cómo la geometría de la iluminación afecta el contraste y la visibilidad de los detalles; la revisión CLEAR del artículo aplica ese principio para validarlo. Límite: los umbrales y las comprobaciones de estado requieren el equipo seleccionado y las piezas representativas.
El uso de una cámara transportada por un robot se justifica por el acceso controlado a elementos distribuidos u ocluidos, no solo por el movimiento. Base de la fuente: la secuencia de fuentes observada muestra múltiples puntos de vista alrededor de una vivienda compleja. Límite: no establece la cobertura de características, el tipo de sensor, la precisión ni el rendimiento de detección.
Un resultado de visión incierto requiere una revisión explícita, una verificación manual, un rechazo o una parada, en lugar de un aprobado automático. Base de origen: el método CLEAR separa la verificación y los registros de la adquisición de vistas. Límite: la ruta y el riesgo de decisión siguen siendo específicos del proyecto.
Lista de verificación de entrada del proyecto
- Matriz de características y condiciones con requisitos y disposiciones de origen.
- Variantes de piezas, fijación y punto de referencia, estado de manipulación y variación superficial prevista.
- Sensor, lente, iluminación, montura, cable, componentes de protección e interfaces candidatos.
- Vistas requeridas, distancias de trabajo, campos de visión, obstáculos y vías de acceso.
- Ejemplos de condiciones normales, inaceptables, límite y de imagen no válida.
- Métricas, métodos de referencia, plan de muestreo, reglas de aceptación y límites.
- Verificación, revisión manual, gestión de rechazos, retención de imágenes, recuperación de fallos y control de cambios.
La hoja de datos incluida se puede completar antes de las pruebas con la cámara para distinguir los requisitos, las suposiciones y las pruebas verificadas.
Preguntas frecuentes
¿Las imágenes demuestran que se utilizó una cámara tridimensional?
No. Muestra un robot que presenta un dispositivo hacia varias superficies. No se especifican el tipo de sensor ni el método de recopilación de datos.
¿Puede una sola imagen panorámica reemplazar varias tomas de primer plano?
A veces, pero solo si cada característica requerida conserva una visibilidad adecuada y evidencia para la toma de decisiones en condiciones representativas. Se deben probar el campo de visión, el detalle de las características, el deslumbramiento, la oclusión y la variación de las piezas.
¿Qué debería ocurrir cuando la imagen no es nítida?
Diríjalo a un estado inválido o incierto definido. La celda puede recuperar la pieza, cambiar la vista, solicitar limpieza, enviarla para verificación manual, rechazarla o detenerse según el plan de riesgo y proceso acordado.
¿Cómo se debe redactar una reclamación por inspección visual?
Indique la característica, la población de piezas, las condiciones, el método, la regla de decisión, la evidencia de evaluación y los límites conocidos. Evite utilizar términos generales como precisión, tasa de defectos o cobertura total sin el respaldo necesario.
¿Cuándo sigue siendo útil la verificación manual?
Cuando las condiciones son poco frecuentes, ambiguas, cambiantes o aún no cuentan con suficiente evidencia automatizada, la revisión manual debe seguir contando con instrucciones, ergonomía, registros y reglas de disposición.
Recursos Relacionados
- Integración de líneas de automatización industrial
- Guía de integración y componentes de células robóticas
- Descripción general de las soluciones de automatización
- Descripción general de la aplicación de la celda de inspección por visión 3D
Fuentes
- Asociación para el Avance de la Automatización: Visión Artificial e Iluminación
- Robótica y automatización de la fabricación del NIST
- ISO 9283:1998 — Robots industriales manipuladores, criterios de rendimiento y métodos de ensayo relacionados
- ISO 10218-2:2025 — Aplicaciones de robots industriales y células robóticas
¿Quién preparó esta guía, cómo y por qué?
- Entidad autora: Equipo editorial de EVST, el mismo autor a nivel organizacional que aparece en la firma del artículo y en los datos estructurados. No se menciona ninguna credencial de empleado individual.
- Observación de primera mano: El equipo revisó la secuencia de fuentes multiángulo seleccionada y registró únicamente el robot visible, la carcasa, la presentación del dispositivo y los puntos de vista cambiantes; el tipo de sensor, el algoritmo, la cobertura, la precisión, la detección y los resultados de producción quedaron excluidos.
- Cómo: El equipo aplicó el modelo CLEAR de referencia, iluminación, captura, acceso y verificación; comparó arquitecturas fijas, transportadas por robots y manuales; y verificó cada declaración técnica con el registro de evidencias y las fuentes de visión artificial, rendimiento del robot y medición.
- Motivo: La guía ayuda a los equipos de inspección a vincular cada vista con una referencia controlada, una condición de iluminación, una regla de decisión, una ruta de verificación, un registro de evidencia y un desencadenante de control de cambios antes de la selección del equipo.
- Transparencia: Método editorial · Correcciones y actualizaciones · Privacidad · Contacto · Términos de uso
Construya la matriz de características antes de la prueba de la cámara.
Envíe a EVST las variantes del producto, la matriz de características y condiciones, el sistema de fijación y referencia, la variación de la superficie, las vistas requeridas, el paquete de sensores candidato, las consecuencias de la decisión, las piezas representativas, las reglas de verificación y las necesidades de retención de datos. Podemos organizarlas en un plan de prueba de visualización y evidencia; la tecnología, la capacidad y la aceptación finales de los sensores quedan sujetas a una evaluación específica del proyecto.