Sistema de inspección visual en línea para una empresa productora de snacks. Una cámara sobre la faja de producción analiza cada pieza en tiempo real y detecta defectos (quemado, forma, color, sellado) sin detener la línea, reemplazando la inspección manual por muestreo. El resultado: menos merma, menos producto defectuoso llegando al cliente y trazabilidad total de la calidad, turno a turno.
99.2%
Precisión del modelo
−31%
Reducción de mermas
12,400/h
Piezas inspeccionadas
- RolAI / Computer Vision Engineer (freelance)
- SectorAlimentos / manufactura de snacks
- Modalidad100% remoto · por entregables
- StackPython, FastAPI, PyTorch (YOLO), DINOv2, OpenCV (SIFT/ORB), Docker, cámara industrial
- EntregableModelo entrenado a medida + dashboard de operación en planta
El problema
La inspección se hacía por muestreo manual: lenta, subjetiva y con defectos que se escapaban al cliente. Cada lote rechazado representaba merma y costo. El reto era inspeccionar el 100% de la producción sin frenar la faja ni instalar hardware costoso.
La solución
Entrené un modelo de detección a medida (YOLO afinado con embeddings DINOv2 para casos difíciles) capaz de clasificar cada pieza en milisegundos. El pipeline corre sobre un servicio FastAPI conectado a la cámara de la línea, con una latencia por objeto de ~24 ms.
Cuando una pieza no cumple, el sistema la marca, la registra y alimenta un tablero en vivo que el equipo de planta usa para reaccionar al instante. Todo queda auditado para análisis posterior.
Impacto medible
El escape de defectos al cliente bajó de 2.8% a 0.3%, y las mermas por lote cayeron ~31%. El sistema opera con 99.9% de disponibilidad y la inversión se recuperó en cinco meses (ROI 4.2×), sin una sola detención de línea imputable al sistema.
Resultado
Un caso donde la IA aplicada paga sola: mejor calidad, menos merma y decisiones basadas en datos en tiempo real. La misma arquitectura es replicable a otras líneas de producción y tipos de producto.