Actualizado: 11 de noviembre de 2026
La detección de objetos es una técnica de visión artificial que localiza e identifica elementos individuales en la imagen captada por una cámara. En el sector manufacturero, se utiliza para contar piezas, confirmar que un kit contiene todos los componentes necesarios y comprobar que en cada paso del montaje se haya utilizado la pieza correcta en el orden adecuado. Realizar estas comprobaciones en la propia estación de trabajo permite detectar un error antes de que un producto incompleto o defectuoso siga adelante en la línea de producción. En una encuesta de Cognex de 2026 realizada a más de 500 fabricantes, integradores y fabricantes de equipos originales (OEM) de Norteamérica, Europa y Asia, el 57 % afirmó que ya utiliza la IA en sus operaciones de visión artificial (Cognex, 2026).
Para qué sirve la detección de objetos en la planta de producción
La detección de objetos le dice al software qué elementos hay en una imagen, dónde están y cuántos hay. Esto permite automatizar tres comprobaciones habituales en la planta de producción: el recuento, la verificación de que no falte nada y la comprobación de pasos. Grand View Research identifica el control de calidad y la inspección como el principal ámbito de aplicación de la visión artificial, que abarca la detección de defectos y contaminación, así como el cumplimiento normativo (Grand View Research, 2026).
Recuento de piezas
Contar es el uso más sencillo: el modelo detecta cada unidad de un objeto y te da el total. Roboflow explica cómo se usa la visión artificial para detectar y contar tapones de botellas desde una vista cenital, asegurándose de que cada paquete cumpla con la cantidad requerida (Roboflow). En nuestra evaluación, la misma lógica se puede aplicar a los elementos de fijación en una bandeja, a los conectores en una placa o a los componentes en un contenedor.
Comprobar que los kits estén completos
Al revisar el kit, se comprueba que estén todos los componentes que deben estar y que no haya nada de más. Roboflow describe la inspección de piezas faltantes, en la que, si falta un componente, el sistema señala la discrepancia al instante, evitando que los productos incompletos sigan avanzando por la línea de producción (Roboflow). También habla de una inspección de «piezas de más, de menos u objetos extraños», que comprueba que solo haya el número esperado de componentes y nada más (Roboflow). iFactory, un proveedor de sistemas de visión, incluye la preparación de kits de fijaciones para automoción entre las aplicaciones de los sistemas de visión que cuentan componentes y verifican que los kits estén completos, junto con la colocación de etiquetas y los niveles de llenado de los envases (iFactory, 2026).
Verificación de los pasos de montaje
La verificación del montaje comprueba que cada paso se haya realizado con la pieza correcta, en la posición correcta y en el orden correcto. JR Automation afirma que los sistemas de visión para el montaje supervisan y verifican cada paso del proceso de montaje, detectando desalineaciones y elementos que faltan (JR Automation, 2025). Roboflow pone como ejemplo un sistema de control de calidad de montaje, que utiliza piezas de LEGO, y que detecta si el operario coge y coloca las piezas correctas en el orden especificado (Roboflow).
Cómo funciona la detección de objetos junto con los flujos de trabajo guiados
Al combinar la detección de objetos con un procedimiento paso a paso, la comprobación visual se convierte en un paso registrado, de modo que las discrepancias pueden detectarse en la propia estación de trabajo en lugar de en la inspección final. Una cámara fija por sí sola solo informa de lo que ve. Un flujo de trabajo guiado añade contexto: el paso que se está realizando, las piezas que se esperan en ese momento y qué debe hacer el operario si el resultado no coincide.
Wideum describe Process Eye como un flujo de trabajo paso a paso para el control de calidad (Wideum). Process Eye funciona en gafas inteligentes, móviles y tabletas, no necesita conexión a Internet, usa IA para revisar fotos y lecturas, y genera un informe trazable para cada trabajo. Object Detection es un complemento de Wideum que, según la propia empresa, detecta, cuenta y verifica objetos en tiempo real (Wideum).
En términos editoriales, un flujo de trabajo guiado con un control de detección suele seguir este patrón:
- El procedimiento le muestra al operario el paso actual y las piezas que necesita.
- El operario captura el kit, la bandeja o el subconjunto con la cámara del dispositivo.
- La comprobación de detección compara lo que ve con lo que se espera en ese paso: el recuento, qué piezas hay y cuáles faltan, y si hay algún elemento de más.
- Si el resultado no coincide, el operario corrige el problema antes de pasar al siguiente paso.
- El resultado se registra en el informe del trabajo, para que los equipos de calidad puedan hacer un seguimiento de lo que se ha comprobado y cuándo.
Los sistemas fijos integrados en la línea de producción siguen un modelo diferente. Siemens afirma que su Visual Inspection Cockpit (VIC) puede activar automáticamente acciones como alertas o la retirada de productos defectuosos de la línea de producción (Siemens, 2026). Siemens informa de que, con el VIC implantado en Procter & Gamble, las tasas de desechos se han reducido entre un 10 y un 20 por ciento, dependiendo del producto (Siemens, 2026). Esa cifra corresponde al informe de Siemens sobre su propio sistema integrado, no a los flujos de trabajo guiados por el operador.
Casos de uso típicos y qué enfoque se adapta a cada uno
El enfoque adecuado depende de si la comprobación se realiza en una línea en movimiento, en un puesto de trabajo manual o sobre el terreno. La tabla que aparece a continuación es una valoración editorial de tres enfoques habituales.
| Enfoque | Cómo se hace la comprobación | La mejor opción |
|---|---|---|
| Estación de visión fija en línea | Una cámara montada en un punto fijo inspecciona cada unidad y envía los resultados al control de la línea | Productos repetitivos y de gran volumen que pasan por una posición fija, donde se necesita un rechazo automático |
| Flujo de trabajo guiado con inspección por cámara (por ejemplo, Process Eye con detección de objetos) | El operario sigue los pasos que aparecen en unas gafas inteligentes, un móvil o una tableta, y la comprobación por cámara se ejecuta en los pasos que lo requieren | Montaje manual, preparación de kits, trabajos de gran variedad o bajo volumen, y tareas que requieren un registro trazable por encargo |
| Comprobación visual manual con una lista de verificación | El operario revisa a simple vista y marca una lista | Volúmenes muy bajos o comprobaciones que aún no son lo bastante estables como para automatizarlas |
Grand View Research señala que el sector de la automoción fue el que más demanda de sistemas de visión artificial tuvo en 2025, impulsada en parte por la trazabilidad de las piezas y el guiado robótico (Grand View Research, 2025). También afirma que, en el sector de la automoción, la adopción de estos sistemas viene impulsada por los procesos de inspección, como la prevención de errores y la comprobación de presencia o ausencia (Grand View Research).
Requisitos de configuración
Para que la detección de objetos funcione, se necesita una captura de imagen adecuada, un modelo entrenado, un punto de procesamiento y una forma de actuar en función del resultado. Grand View Research señala que la iluminación, las lentes, los sensores de imagen, el procesamiento de visión y los dispositivos de comunicación son los componentes principales de un sistema de visión artificial (Grand View Research). Knowledge Sourcing Intelligence describe los sistemas de inspección de calidad basados en IA como una combinación de cámaras industriales, óptica, iluminación, hardware informático y software de IA para detectar defectos, verificar el montaje, medir dimensiones e inspeccionar el embalaje (Knowledge Sourcing Intelligence, 2026).
En la práctica, estos son los aspectos que hay que tener en cuenta:
- Captura de imágenes. Planifica bien la posición de la cámara, la distancia y la iluminación. Cognex afirma que los modos de la herramienta de IA de su controlador de visión In-Sight funcionan en entornos variables sin necesidad de un posicionamiento preciso de las piezas ni de una iluminación constante (Cognex). Eso es lo que dice el fabricante sobre su propio producto, así que pruébalo en tus propias condiciones.
- Datos de entrenamiento. Los modelos necesitan imágenes de ejemplo de las piezas y sus variantes. Cognex afirma que la clasificación con pocas muestras en el controlador de visión In-Sight 6900 detecta variantes de piezas y tipos de defectos con entre 10 y 20 imágenes de entrenamiento, utilizando un modelo basado en transformadores (Cognex). Cognex describe modelos de IA preentrenados en el In-Sight 6900 que solo necesitan unas pocas imágenes de entrenamiento y que son adecuados para inspecciones estándar, como la detección de defectos, la clasificación, la verificación del montaje y el OCR (Cognex).
- ¿Quién se encarga del mantenimiento del modelo? Siemens afirma que su herramienta «Visual Inspection Engineering Tool» permite a los ingenieros de planta configurar, entrenar y actualizar modelos de inspección sin necesidad de contar con recursos específicos de ciencia de datos (Siemens, 2026).
- Integración. Los sistemas fijos pueden conectarse al control de la línea de producción. Por ejemplo, Cognex afirma que el In-Sight 6900 es compatible con PROFINET, EtherNet/IP, EtherCAT, SLMP y ModbusTCP, además de MQTT, TCP/IP y (S)FTP (Cognex). Por su parte, los flujos de trabajo guiados se conectan a los sistemas empresariales: Wideum ofrece API, SSO e integraciones con ERP, CRM, CMMS y WMS.
- Implementación y seguridad. El software de Wideum se puede implementar en la nube, en tus propios servidores o en una red privada sin acceso a Internet. Wideum cuenta con las certificaciones ISO 27001 y SOC 2.
Visión artificial e inspección con IA en 2026: lo que revelan los últimos informes
Los informes del sector publicados en 2026 muestran que la IA ya se usa de forma generalizada en la visión artificial, y se espera que siga creciendo. La encuesta de Cognex abarcó a más de 500 fabricantes, fabricantes de equipos originales (OEM) e integradores de sistemas de Norteamérica, Europa y Asia, en sectores como la automoción, la electrónica, los productos de gran consumo (FMCG), la sanidad y la logística (Cognex, 2026). Además del 57 % que ya utiliza la IA, otro 30 % tiene previsto implementarla a corto plazo (Cognex, 2026). Según la encuesta, la adopción de la IA en la visión artificial es mayor en los sectores de la automoción, la electrónica y la logística (Cognex, 2026).
En cuanto al tamaño del mercado, Grand View Research estimó que el mercado mundial de la visión artificial alcanzará los 22.6 mil millones de dólares en 2025. Prevé un crecimiento desde los 25.3 mil millones de dólares en 2026 hasta los 61.0 mil millones de dólares en 2033, con una tasa de crecimiento anual compuesto (CAGR) del 13,4 % entre 2026 y 2033 (Grand View Research, 2026). Knowledge Sourcing Intelligence prevé que el mercado global de la inspección de calidad mediante IA crecerá de 6.80 mil millones de dólares en 2026 a 13.97 mil millones de dólares para 2031, con una tasa compuesta de crecimiento anual (CAGR) del 15,5 % (Knowledge Sourcing Intelligence, 2026). Estas dos previsiones se refieren a mercados distintos y no se deben comparar directamente.
Siemens calcula que, como VIC se ofrece como una aplicación Industrial Edge reutilizable, las nuevas implementaciones se pueden poner en marcha entre cinco y diez veces más rápido que los sistemas de visión tradicionales hechos a medida (Siemens, 2026). Esta es la estimación de Siemens para su propio sistema.
Errores comunes y cómo evitarlos
Según nuestra valoración editorial, los proyectos piloto suelen estancarse por comprobaciones poco claras, imágenes poco representativas o resultados sobre los que nadie toma medidas. La tabla de abajo es un resumen editorial.
| Problema | Solución |
|---|---|
| La comprobación es imprecisa, como «inspeccionar el kit» | Define qué objetos y en qué cantidades se esperan en cada paso, y especifica qué se considera que la prueba se ha superado |
| Las imágenes de entrenamiento proceden de un entorno de laboratorio limpio | Captura imágenes en la estación de trabajo real, con la iluminación real, e incluye todas las variantes de las piezas |
| Se muestra el resultado de la detección, pero no bloquea el siguiente paso | Vincula el resultado al procedimiento, para que cualquier discrepancia se resuelva antes de que el operario continúe |
| Los resultados no se guardan | Anota cada comprobación en el informe del trabajo para facilitar la trazabilidad y el análisis de la causa raíz |
| Automatizar las comprobaciones que aún están cambiando | Primero estabiliza el proceso y, después, añade la detección en los casos en los que se repita con frecuencia la misma comprobación |
Puntos clave
- La detección de objetos identifica, localiza y cuenta los elementos que aparecen en una imagen. En la planta de producción, sirve para contar piezas, comprobar que los kits estén completos y verificar los pasos del montaje.
- En la inspección de piezas faltantes, si falta un componente, el sistema señala la discrepancia al instante, evitando que los productos incompletos sigan avanzando por la línea de producción (Roboflow).
- Grand View Research señala que el control de calidad y la inspección son el principal ámbito de aplicación de la visión artificial (Grand View Research, 2026).
- En una encuesta de Cognex de 2026 realizada a más de 500 fabricantes, integradores y fabricantes de equipos originales (OEM) de Norteamérica, Europa y Asia, el 57 % ya utiliza la IA en la visión artificial y el 30 % tiene previsto implementarla a corto plazo (Cognex, 2026).
- El complemento de detección de objetos de Wideum, según la propia empresa, detecta, cuenta y verifica objetos en tiempo real. Wideum describe Process Eye como un flujo de trabajo paso a paso para el control de calidad (Wideum).
- Una configuración típica incluye iluminación, lentes, sensores de imagen, procesamiento de visión y dispositivos de comunicación (Grand View Research), además de un modelo entrenado y una acción definida para cada resultado.
Preguntas frecuentes
¿Qué es la detección de objetos en la fabricación?
Es una técnica de visión artificial que localiza e identifica objetos individuales en una imagen para que el software pueda contarlos y comprobar si están presentes. Entre las tareas típicas se incluyen el recuento de componentes y la verificación de que los kits estén completos (iFactory, 2026).
¿Puede la detección de objetos confirmar que un kit está completo antes de que salga de la estación de trabajo?
Sí. Una comprobación de integridad confirma que hay el número correcto de componentes esperados y que no hay piezas de más ni objetos extraños (Roboflow). Hacer la comprobación en la estación de trabajo significa que se puede solucionar la falta de una pieza antes de que el kit siga su recorrido.
¿Cuántas imágenes se necesitan para entrenar un modelo de detección?
Depende del producto y del número de variantes de piezas. Por poner un ejemplo de un fabricante, Cognex afirma que la clasificación con pocas muestras en su In-Sight 6900 detecta variantes de piezas y tipos de defectos con entre 10 y 20 imágenes de entrenamiento (Cognex). Las imágenes deben proceder de la estación de trabajo real.
¿La detección de objetos requiere que la mantengan científicos de datos?
No necesariamente. Siemens afirma que su herramienta Visual Inspection Engineering Tool permite a los ingenieros de planta configurar, entrenar y actualizar modelos de inspección sin necesidad de contar con recursos específicos de ciencia de datos (Siemens, 2026).
¿En qué se diferencia un flujo de trabajo guiado con detección de objetos de una estación fija de visión en línea?
Una estación fija inspecciona cada unidad en un punto concreto de la línea y puede activar alertas automáticamente o retirar los productos defectuosos, tal y como describe Siemens para VIC (Siemens, 2026). Un flujo de trabajo guiado integra la comprobación en el procedimiento del operario a través de unas gafas, un móvil o una tableta. Esto es ideal para el montaje manual, la preparación de kits y los trabajos que requieren un informe trazable por encargo.
¿Qué tamaño tendrá el mercado de la visión artificial en 2026?
Grand View Research prevé que el mercado mundial de la visión artificial alcance los 25.3 mil millones de dólares en 2026 y que aumente hasta los 61.0 mil millones de dólares en 2033 (Grand View Research, 2026).
Para probar la detección de objetos con Process Eye en tus propios procesos, puedes solicitar una prueba gratuita o ponerte en contacto con el equipo de Wideum a través de wideum.com.
Fuentes
- Process Eye: guía paso a paso con IA y RA | Wideum
- Informe sobre el tamaño y la cuota de mercado de la visión artificial, 2026-2033
- El mercado de la visión artificial alcanzará los 41 744,0 millones de dólares en 2030
- Análisis del mercado de la inspección de calidad con IA: tendencias y previsiones para 2031
- Comunicado de prensa sobre el informe de visión artificial con IA | Cognex
- Controlador de visión In-Sight 6900 | Cognex
- Comunicado de prensa de Siemens AG: gestión de activos digitales
- Inspección de piezas con visión artificial: automatiza el control de calidad
- Cómo la visión artificial puede cambiar la fabricación de productos médicos
- Visión artificial en la fabricación: la guía del comprador para 2026
