Prueba Rely en un clic y descubre cómo mejoramos la calidad de tu producción

Prueba sin compromiso
detección de cuerpos extrañosinspección de cuerpos extrañoscontaminación física en alimentosvisión artificial industria alimentaria

Detección de cuerpos extraños en alimentos con visión artificial

Detección de cuerpos extraños en alimentos con visión artificial: qué ve una cámara con IA (plástico, madera, hilos, insectos), qué no, y cómo complementa a rayos X y metales.

Un pelo en una ensalada envasada. Una astilla de palé encima de una bandeja de pollo. Un trozo de film azul mezclado con verdura congelada. Ninguno de estos casos es un defecto de calidad «normal»: cuando llegan al consumidor se convierten en una reclamación, en una retirada de producto o en una foto en redes sociales que nadie quiere ver con su marca.

Cuando hablamos con responsables de calidad del sector alimentario, la pregunta casi siempre es la misma: «Ya tenemos detector de metales (y a veces rayos X). ¿Qué aporta la visión artificial?». Es una buena pregunta, y la respuesta honesta no es «sustituirlo todo». En este artículo te cuento qué cuerpos extraños puede detectar una cámara con IA, cuáles no, y cómo encaja la detección de cuerpos extraños con visión artificial junto a los equipos que ya tienes en línea.

Qué es un cuerpo extraño (y por qué no es solo un problema de calidad)

Un cuerpo extraño es cualquier material que no debería estar en el alimento: plástico, madera, metal, vidrio, piedras, insectos, pelos, fibras textiles, restos de embalaje… y también partes del propio producto que se supone que se han retirado, como un hueso en un filete «sin hueso».

En la Unión Europea, el marco de partida es el Reglamento (CE) 178/2002: su artículo 14 prohíbe comercializar alimentos que no sean seguros, y el artículo 19 obliga al operador a retirar del mercado el producto e informar a las autoridades cuando tiene motivos para pensar que no cumple. En España, las alertas se gestionan a través de la red de alerta de AESAN, conectada con el sistema europeo RASFF.

Como referencia de tamaño, la FDA estadounidense considera en su guía CPG Sec. 555.425 que un objeto duro o cortante de 7 a 25 mm en un alimento listo para consumir es motivo de actuación, y que por debajo de 7 mm rara vez causa lesiones, salvo en grupos de riesgo como bebés o personas mayores. No es normativa europea, pero es un dato útil para dimensionar qué tamaño mínimo tiene que «ver» tu sistema.

Por eso decimos que un cuerpo extraño no es un problema de calidad: es un problema legal, reputacional y de negocio.

Tres tecnologías, tres formas de «ver»

No existe un sistema que detecte todos los cuerpos extraños en todos los productos. Cada tecnología mide una propiedad física distinta, y de ahí salen sus puntos fuertes y sus puntos ciegos.

Tecnología

Qué mide

Detecta bien

Le cuesta o no detecta

Detector de metales

Alteración de un campo electromagnético

Metales férricos y no férricos, también dentro del producto o del envase

Todo lo que no es metal (plástico, madera, hueso, vidrio, insectos, pelo). El acero inoxidable y los envases metalizados complican la detección

Rayos X

Diferencias de densidad / absorción

Materiales densos aunque estén ocultos: metal, vidrio, piedra, hueso calcificado, algunos plásticos y gomas densos

Materiales de baja densidad: madera, papel, cartón, film fino, insectos, pelo y muchos plásticos

Visión artificial (cámaras + IA)

Aspecto en superficie: color, forma, textura, contraste

Contaminantes visibles en la superficie del producto, incluidos los de baja densidad: plástico de color, film, hilos, pelos, insectos, astillas, restos de cartón

Lo que queda dentro del producto, debajo de otras piezas o detrás de un envase opaco; contaminantes del mismo color y textura que el producto

La conclusión práctica es sencilla: la visión artificial no sustituye al detector de metales ni a los rayos X; cubre justo los contaminantes que a ellos se les escapan, siempre que estén a la vista de la cámara.

Lo que la visión artificial sí ve

  • Plásticos de colores y film: guantes, bridas, trozos de cajas, etiquetas, fragmentos de bolsa. El color y la forma los delatan aunque su densidad sea parecida a la del alimento.

  • Hilos, fibras y pelos: típicos de manipulación, ropa de trabajo o útiles de limpieza. Son finos, así que la clave está en tener resolución suficiente (más sobre esto abajo).

  • Insectos y restos orgánicos: su aparición es aleatoria y su forma, muy variable.

  • Madera y astillas: de palés, cajas o elementos de transporte. Casi invisibles para los rayos X; para una cámara, una astilla sobre un producto claro destaca.

  • Restos de packaging y cartón: frecuentes en líneas de reprocesado o desembalado.

  • Metal visible en superficie: una grapa o un trozo de alambre encima del producto se ve, sea magnético o no. Lo que está enterrado en el producto, no.

Lo que no ve (y conviene decirlo claro)

  • Un hueso dentro de una pechuga, un cristal dentro de un tarro o una piedra en el fondo de una bolsa opaca.

  • Contaminantes tapados por otras piezas en un producto amontonado. Si el producto llega en capas, la cámara solo ve la de arriba.

  • Contaminantes que se confunden con el producto: un trozo de cáscara marrón sobre un producto marrón, o plástico transparente sobre un fondo sin contraste. Aquí puede ayudar la iluminación, o sensores de otro tipo, pero no hay magia.

Si alguien te promete «detección del 100 % de cuerpos extraños» con una sola cámara, desconfía.

Por qué la inspección visual manual no basta

En muchas plantas, la última barrera para los contaminantes de baja densidad es una persona mirando la cinta. Es una tarea dura: el producto pasa rápido, es repetitivo y los cuerpos extraños son raros, así que la atención cae con las horas. Un contaminante puede pasar en un cambio de turno sin que nadie lo vea.

Además, cuando hay una reclamación, la inspección manual no deja rastro. No hay forma de demostrar cómo salió ese lote ni de saber en qué momento entró el contaminante.

Una cámara con IA no se cansa, inspecciona cada unidad con el mismo criterio a las 8:00 y a las 3:00, y guarda la imagen de cada decisión.

Cómo funciona la detección de cuerpos extraños con IA en una línea

Así es el flujo que montamos con Rely en detección de cuerpos extraños:

  1. Captura. Una o varias cámaras industriales inspeccionan el producto en movimiento sobre la cinta.

  2. Evaluación. El modelo de IA analiza cada imagen en tiempo real, en un equipo de cómputo instalado en la propia planta (edge), sin depender de la nube.

  3. Decisión. El sistema clasifica cada detección según la lógica que defines: tipo de contaminante, tamaño, zona.

  4. Acción. Rely envía la señal al PLC para soplar, desviar la unidad, parar la cinta o encender una baliza. Esa lógica se configura de forma visual con flujos basados en Node-RED, sin programar.

  5. Datos e histórico. Cada detección queda registrada con su imagen, fecha y lote, para analizar tendencias y tener evidencia ante una auditoría o una reclamación.

Por qué la IA y no la visión clásica por reglas

La visión tradicional funciona con reglas fijas: «si hay un píxel de este color, rechaza». Va bien con producto homogéneo y contaminantes conocidos. Pero los cuerpos extraños son, por definición, impredecibles: aparecen con formas, tamaños y colores distintos cada vez.

Los modelos de deep learning aprenden cómo es el producto bueno y qué es una desviación. Con técnicas de detección de anomalías, que se entrenan solo con producto correcto, el sistema marca cualquier cosa que no encaje, aunque nunca haya visto ese contaminante concreto. Lo explicamos más a fondo en nuestro artículo sobre detección de defectos zero-shot con VLM, donde también contamos los límites de este enfoque con producto muy variable.

Lo que decide si funciona: cobertura, resolución y luz

Antes de hablar de algoritmos, hay tres preguntas de ingeniería que marcan el resultado:

  • Cobertura. ¿La cámara ve todo el ancho de la cinta? ¿El producto llega en monocapa o amontonado? En producto a granel, a veces compensa un vibrador o un cambio de transportador para extenderlo antes de inspeccionar.

  • Resolución. ¿Cuál es el contaminante más pequeño que necesitas detectar? Un pelo exige mucha más resolución que una astilla de palé. Ese tamaño mínimo marca la cámara, la óptica y la distancia de trabajo.

  • Iluminación. Brillos, sombras y producto húmedo o con hielo generan falsos rechazos. Una buena luz hace más por el sistema que cualquier ajuste del modelo.

Si quieres validar esto antes de comprar nada, te recomendamos leer cómo diseñar un sistema de visión con un simulador 3D.

Dónde encaja en tu plan APPCC

La detección de cuerpos extraños con visión artificial no reemplaza tu análisis de peligros; lo refuerza. En la práctica, suele colocarse:

  • Después de las etapas de manipulación (corte, envasado manual, desembalado), donde aparecen hilos, guantes o film.

  • Antes del envasado, cuando el producto aún está a la vista. Una vez cerrado en envase opaco, la cámara ya no aporta en este punto, y ahí siguen siendo clave el detector de metales o los rayos X.

  • En producto a granel: verdura, fruta, frutos secos o congelados, donde inspeccionar el 100 % de la superficie a mano es técnicamente muy complejo. Mira nuestro caso de inspección individualizada de producto a granel.

Y si tu línea ya controla sellado, fechas y lotes en el envase, puedes unificar criterios con lo que contamos en cumplimiento PPWR con visión artificial.

Preguntas frecuentes

¿La visión artificial puede sustituir al detector de metales o a los rayos X?

No. Son complementarios. El detector de metales y los rayos X ven dentro del producto y detectan materiales densos; la visión artificial detecta contaminantes visibles en superficie, incluidos los de baja densidad como plástico, madera, hilos o insectos, que a ellos se les escapan.

¿Qué cuerpos extraños detecta mejor una cámara con IA?

Los que contrastan con el producto en color, forma o textura y están a la vista: plásticos de colores, film, fibras textiles, pelos, insectos, astillas, cartón o restos de embalaje.

¿Hace falta tener fotos de cada contaminante para entrenar el sistema?

No necesariamente. Con detección de anomalías el modelo aprende cómo es el producto correcto y marca lo que se desvía, aunque no haya visto antes ese contaminante. Las detecciones reales sirven después para afinar el modelo.

¿Sirve para producto a granel o desordenado?

Sí, siempre que la cámara vea el producto. Para contaminantes tapados por otras piezas, conviene extender el producto en monocapa antes del punto de inspección.

¿Qué pasa con las imágenes de cada inspección?

Rely guarda la imagen y los datos de cada detección, con fecha y lote. Te sirve para encontrar el origen del contaminante y como evidencia ante una auditoría o una reclamación de cliente.

Conclusión: cada tecnología en su sitio

El detector de metales y los rayos X siguen siendo imprescindibles para lo que está dentro del producto. La visión artificial con IA cubre el hueco que dejan: plásticos, madera, fibras, insectos y restos de embalaje que están a la vista y que hoy dependen de que una persona no se despiste. Y además te deja la evidencia visual de cada unidad.

¿Quieres saber qué cuerpos extraños podría detectar una cámara en tu línea?

Te lo enseñamos con tu propio producto, sin compromiso.

Reserva tu demo