El pedido llega así: «queremos una cámara que detecte las piezas falladas». Suena a un fin de semana de trabajo y termina siendo tres meses, porque el 80% del proyecto no es el modelo. Es decidir qué cuenta como defecto, conseguir fotos de defectos que casi nunca ocurren y acordar qué error duele más: dejar pasar una pieza mala o botar una buena.
Si estás evaluando meterte en esto, conviene ver el orden real de las cosas. Las técnicas en sí —procesamiento de imagen, extracción de características, clasificación, detección y segmentación— las cubre el curso de fundamentos de Computer Vision; lo que casi nadie te cuenta es cómo se encadenan en una planta.
Paso 0: ponerse de acuerdo en qué es un defecto
Antes de tocar código, siéntate con los inspectores y haz que etiqueten las mismas 50 fotos por separado. Vas a descubrir que no coinciden. Una raya superficial es defecto para uno y cosmética para otro. Si los humanos no se ponen de acuerdo, el modelo tampoco va a poder, y vas a pasar semanas peleando con un dataset que se contradice a sí mismo.
De esa reunión sale un criterio escrito, con ejemplos límite. Es el documento más aburrido del proyecto y el que más tiempo ahorra.
La iluminación vale más que el modelo
En visión industrial, la mitad de los problemas se resuelven con física, no con redes neuronales: cámara fija, distancia constante, fondo de contraste y luz controlada. Un reflejo que se mueve con la hora del día destruye más modelos que cualquier error de arquitectura.
Esto también simplifica el modelo. Con escena controlada, muchas veces un clasificador sobre recortes alcanza y no necesitas detección de objetos completa. Menos complejidad, menos latencia, menos cosas que se rompen a las 3 a.m.
El dataset desbalanceado es la norma
Si la línea produce bien el 99% del tiempo, tus fotos de defecto son escasas por definición. Las salidas típicas:
- ▸Aumentación con sentido: rotar, cambiar brillo y recortar sí; deformaciones que nunca ocurren en la línea, no. Un defecto imposible le enseña al modelo una regla falsa.
- ▸Guardar defectos a propósito: acuerda con producción que las piezas rechazadas se fotografíen durante unas semanas antes de empezar. Es el paso que más acelera el proyecto y el que siempre se olvida.
- ▸Detección de anomalías: en vez de enseñarle los defectos, le enseñas cómo se ve lo normal y marcas lo que se sale. Útil cuando los defectos son muchos y variados.
La métrica no es «accuracy»
Con 99% de piezas buenas, un modelo que diga siempre «buena» acierta 99 de cada 100 y no sirve para nada. La conversación correcta es cuánto cuesta cada tipo de error: un falso negativo es una pieza mala que llega al cliente; un falso positivo es una pieza buena descartada y un operario perdiendo tiempo revisando.
Casi siempre el falso negativo es más caro, así que se privilegia recall y se ajusta el umbral hacia el lado paranoico. Pero ponle número al «casi siempre»: pídele a calidad el costo de cada escenario y elige el umbral con esa tabla delante. Es una decisión de negocio disfrazada de hiperparámetro.
Y una idea que baja la resistencia del equipo: el modelo no reemplaza al inspector, le filtra el trabajo. Que marque los casos dudosos para revisión humana y deje pasar los claros. Se gana tiempo sin jugarse la reputación en un umbral.
Lo que pasa después del piloto
Acá mueren la mayoría de proyectos de visión. El piloto funcionó en el laboratorio y en planta empieza a fallar porque cambió el proveedor del material, porque movieron la cámara al limpiar, o porque el turno de noche prende otra luz. Hace falta lo mismo que cualquier modelo en producción: guardar las imágenes que el modelo clasificó, revisar una muestra cada semana, medir si el rendimiento cae y tener el camino listo para reentrenar.
Esa parte es ingeniería de operación, no visión: versionar el modelo, poder volver atrás, alertar cuando la distribución de predicciones cambia. Si te interesa ese lado, es justo lo que cubre la ruta de MLOps Engineer.
Por dónde empezar según de dónde vengas
Si todavía no programas en Python con soltura, parte por ahí: sin manejar arreglos y archivos, cualquier curso de visión se vuelve copiar y pegar. El de Python para todos alcanza para la base.
Si ya programas, el curso de fundamentos de Computer Vision son 45 clases y cinco horas on demand por 59 dólares, con certificado: procesamiento de imágenes con OpenCV, redes convolucionales, clasificación y detección de objetos con TensorFlow y PyTorch, segmentación, análisis de movimiento y un bloque final de aplicaciones y consideraciones éticas. Te llevas el criterio para decidir qué técnica usar en cada problema, que es exactamente lo que se te pide en el primer día de un proyecto como este.
Si el que lee esto es quien decide la capacitación del área, el camino suele ser formar al equipo que ya conoce el proceso en vez de contratar desde cero: nadie sabe mejor qué es un defecto que quien lleva años mirándolos. En DataPath para empresas armamos esos planes por área. Y si prefieres practicar por tu cuenta con otros que están construyendo cosas parecidas, en la Comunidad AI Builders hay un taller en vivo cada semana desde 19 USD al mes.


