Plataformas de visión artificial para fabricación: comparativa de YOLO, Cognex y Keyence
Compara plataformas de visión artificial para fabricación: Cognex, Edge Impulse, Keyence, Landing AI, Roboflow y Ultralytics YOLO, en cuanto a inspección y compatibilidad con MES.
La inspección manual no es escalable. En una línea que produce miles de unidades por hora, un porcentaje ínfimo de defecto s no detectados puede provocar una retirada del mercado, y ningún inspector humano puede mantener la concentración durante un turno completo. La visión artificial cierra esa brecha al inspeccionar todas las unidades de forma constante y a la velocidad de la línea.
Elegir una plataforma es más difícil que decidirse a adoptar una. El mercado se divide en dos grupos muy distintos: proveedores de visión industrial que venden hardware y software integrados con ingenieros de campo, y plataformas centradas en el software en las que aportas tus propias cámaras y recursos de computación. Se dirigen a compradores distintos, y equivocarse sale caro en ambos casos.
Esta guía compara las plataformas que los fabricantes suelen incluir en su lista de opciones, lo que realmente hace bien cada una y cómo elegir.
Comparativa rápida#
Los proveedores aparecen en orden alfabético, no por clasificación. Ultralytics publica esta comparativa y figura en ella, por lo que el orden es deliberadamente neutral y cada opción incluye una contrapartida explícita.
| Plataforma | Modelo | Ideal para | Contrapartida |
|---|---|---|---|
| Cognex | Hardware + software integrados | Inspección industrial madura y de alta precisión | Precios elevados, ecosistema propietario |
| Edge Impulse | ML integrado | Dispositivos edge e integrados con recursos limitados | Alcance más limitado que el de las plataformas de visión generalistas |
| Keyence | Hardware + software integrados | Compradores que buscan asistencia directa del proveedor | Presupuestos personalizados, modelo de venta directa |
| Landing AI | Software de inspección sin código | Expertos de fábrica sin equipos de ciencia de datos | La empresa ha reorientado su oferta hacia la IA documental; confirma la hoja de ruta |
| Roboflow | Software integral | Equipos de desarrollo que gestionan todo el ciclo de vida de los conjuntos de datos | El valor se multiplica a medida que más partes de tu flujo de trabajo pasan a una sola plataforma |
| Ultralytics YOLO | Modelos abiertos + plataforma | Equipos que quieren modelos personalizados en su propio hardware | Tú te encargas de la integración y las MLOps; se aplica la misma dependencia de un único proveedor |
Los proveedores con soluciones integradas#
Cognex#
Cognex es el estándar industrial desde hace mucho tiempo. Su tecnología de reconocimiento de patrones PatMax sigue siendo un referente para localizar piezas de forma fiable, independientemente del ángulo, la escala o las variaciones de iluminación: un problema realmente difícil que resolvió pronto y bien. El hardware está diseñado para las condiciones de fábrica y el ecosistema es amplio.
Elígelo cuando la precisión y la fiabilidad demostrada importen más que el coste o la flexibilidad, especialmente en la inspección de automóviles, electrónica y productos farmacéuticos, donde los requisitos de validación son estrictos.
La contrapartida es un ecosistema cerrado con precios elevados. Compras un sistema, no componentes, y la personalización se limita a lo que define el proveedor.
Keyence#
Lo que diferencia a Keyence es su enfoque comercial, no técnico: un modelo de venta directa con ingenieros que acuden a tus instalaciones y resuelven el problema en persona. Para los equipos sin experiencia interna en visión artificial, ese soporte suele valer más que comparar prestaciones.
Elígelo cuando quieras un proveedor que se responsabilice del resultado en lugar de limitarse a entregarte un conjunto de herramientas.
La contrapartida es la falta de transparencia y el coste. Los precios se ofrecen bajo presupuesto y la relación es con un proveedor, no con una tecnología que controles.
Omron, Basler, Matrox, Siemens y Teledyne#
También son opciones sólidas en este ámbito, generalmente como proveedores de componentes o subsistemas. Basler es conocida por la fiabilidad de sus cámaras; Matrox, por su consolidada biblioteca de imágenes; y Siemens y Omron, por su integración con la automatización industrial. Si ya utilizas sus soluciones de automatización, mantenerte dentro de ese ecosistema reduce el riesgo de integración.
Las plataformas basadas en software#
Ultralytics YOLO#
Ultralytics desarrolla la familia de modelos de visión de código abierto YOLO (detección de objetos, segmentación, estimación de pose, cuadros delimitadores orientados y clasificación), ampliamente utilizada para la inspección en tiempo real. El caso de uso en fabricación es concreto: entrena un modelo con imágenes de tus propios defectos, ejecútalo en el hardware que ya tienes y conserva el modelo y los datos.
Conviene destacar la detección de cuadros delimitadores orientados para este público, ya que las piezas llegan a la cinta transportadora con ángulos arbitrarios y los cuadros rectangulares estándar se ajustan mal a ellas.
Elígelo cuando los defectos sean específicos de tu proceso, quieras evitar las licencias por cámara o necesites desplegar en muchas líneas sin que se multipliquen los costes por puesto. Los modelos se ejecutan en hardware periférico como NVIDIA Jetson, así como en PC industriales estándar.
La contrapartida es real: tú te encargas de la integración. No aparecerá ningún ingeniero de campo para corregir la iluminación. Ultralytics ofrece una licencia empresarial y asistencia comercial para despliegues en producción, pero el modelo operativo presupone que cuentas con capacidad interna de ingeniería. Si tu equipo no la tiene, un proveedor con una solución integrada te permitirá pasar a producción más rápido.
Roboflow#
Roboflow cubre bien el ciclo de vida de los conjuntos de datos: anotación, aumento de datos, control de versiones, entrenamiento y despliegue en un mismo lugar. Para los equipos cuyo cuello de botella es la gestión de datos, no el modelado, esa consolidación es lo que aporta valor.
Elígelo cuando tengas un equipo de desarrollo y quieras herramientas gestionadas para todo el flujo de trabajo.
La contrapartida es un coste de suscripción que aumenta con el uso y un menor control que si ejecutas tú mismo los modelos de código abierto.
Landing AI#
LandingLens está pensado expresamente para personas que entienden de fabricación, no de aprendizaje automático.
Nota antes de preseleccionar opciones: Landing AI ha reorientado su actividad hacia la IA documental y agéntica (sus productos estrella ahora se centran en la extracción de documentos), y LandingLens se mantiene, pero ya no es su línea principal. ABB Motion Ventures invirtió en 2025 específicamente para incorporar su IA de visión a la robótica de ABB, por lo que la tecnología tiene una vía de desarrollo, pero confirma los compromisos de la hoja de ruta para la inspección en fábrica antes de elegirla. El flujo de trabajo de apuntar y hacer clic permite que un ingeniero de calidad entrene un modelo de defectos sin escribir código. Es una ventaja real cuando la experiencia del sector está en la planta de producción.
Elígelo cuando quieras que tus expertos en la materia creen los modelos.
La contrapartida es que tiene un límite. Las herramientas sin código son excelentes hasta que necesitas algo que no pueden hacer.
Edge Impulse#
Edge Impulse se especializa en aprendizaje automático integrado para dispositivos con recursos limitados: es la opción adecuada para hardware de la clase de los microcontroladores, pero su alcance es más reducido que el de una plataforma de visión general.
Si utilizas AWS y buscas un dispositivo periférico gestionado, ten en cuenta que AWS Panorama dejó de recibir soporte el 31 de mayo de 2026 y los dispositivos adquiridos ya no funcionan. Ahora AWS dirige a sus clientes a soluciones de socios o a crear sus propias soluciones con SageMaker y hardware periférico de la clase de Jetson. Los artículos comparativos que aún presenten Panorama como una opción vigente se escribieron antes de esa fecha. Es una forma útil de comprobar si las fuentes de tu preselección están actualizadas.
Detección automatizada de defectos: qué determina realmente el éxito#
La plataforma importa menos que tres factores que suelen infravalorarse.
La iluminación es lo primero. Más proyectos de visión fracasan por la iluminación que por la arquitectura del modelo. Una iluminación uniforme y controlada convierte un problema difícil en uno sencillo. Reserva presupuesto para ella antes que para el software.
Los datos de defectos son el cuello de botella. Tienes miles de imágenes de unidades correctas y muy pocas de cada tipo de defecto. Eso es lo que produce una línea de producción en funcionamiento. Planifica desde el principio cómo recopilar y etiquetar los defectos poco frecuentes. El aumento de datos sintéticos ayuda, pero no sustituye a los ejemplos reales.
La deriva es un proceso, no un incidente. Los proveedores cambian, las herramientas se desgastan y los materiales varían. Un modelo entrenado con la producción de enero pierde precisión en junio. Elijas la plataforma que elijas, reserva presupuesto para el reentrenamiento y la supervisión periódicos, y asegúrate de poder acceder a tus propios datos para hacerlo.
Supervisión en tiempo real e integración con MES#
Los resultados de la inspección solo son útiles si llegan a los sistemas que actúan en consecuencia. En la mayoría de los despliegues, hay que enviar los resultados a un MES o a un historiador de datos para que las tasas de defectos aparezcan junto con las demás métricas de producción, y la latencia debe ser lo bastante baja para rechazar una unidad antes de que salga de la estación.
Este segundo requisito suele determinar dónde se ejecuta la inferencia. Las comunicaciones de ida y vuelta con la nube son demasiado lentas para accionar el rechazo, así que la inferencia se ejecuta en el borde de la línea y los resultados agregados se envían a sistemas de nivel superior. Antes de preseleccionar una plataforma, confirma que admite la inferencia local. Una arquitectura que solo funcione en la nube es un factor excluyente para la mayoría de las inspecciones en línea.
Cómo elegir#
Elige un proveedor con una solución integrada (Cognex, Keyence) si careces de ingeniería de visión interna, necesitas sistemas validados por motivos normativos o quieres que un único proveedor responda del resultado.
Elige una solución sin código, como Landing AI, si quieres que tus ingenieros de calidad se encarguen de los modelos y tus defectos están bien definidos.
Elige una solución de código abierto, como Ultralytics YOLO, si tienes capacidad de ingeniería, necesitas modelos personalizados para defectos específicos de tu proceso, quieres desplegar en muchas líneas sin licencias por cámara o necesitas ser el propietario absoluto de tus modelos y datos.
Elige herramientas de desarrollo gestionadas, como Roboflow, si tienes un equipo de desarrollo y quieres delegar la gestión del flujo de datos.
La mayoría de los fabricantes que utilizan visión a gran escala acaban con más de una solución: un sistema integrado en el punto de inspección crítico y validado, y una pila flexible de código abierto para todo lo demás.
Cómo empezar#
Elige un punto de inspección con un defecto claramente definido y una tasa de desechos actual que puedas medir. Corrige la iluminación. Recopila unos cientos de imágenes etiquetadas, incluidos defectos reales. Entrena el modelo, compara sus resultados con tu referencia manual actual y solo entonces decide si ampliar el despliegue.
Los modelos Ultralytics YOLO son de código abierto con AGPL-3.0, y también hay disponible una licencia empresarial para el despliegue comercial. Si estás evaluando la visión artificial para una línea de producción, descubre Ultralytics YOLO para la fabricación o lee más sobre la detección de defectos.
Preguntas frecuentes
Principalmente, cuatro cosas. La detección de defectos encuentra arañazos, grietas, contaminación y variaciones de color. La verificación del montaje confirma que todos los componentes estén presentes y correctamente colocados. La medición dimensional comprueba que las piezas respeten las tolerancias. El reconocimiento óptico de caracteres lee números de serie, códigos de lote y etiquetas. La mayoría de los despliegues empieza con una tarea y luego se amplía.
Le muestras ejemplos. Los ingenieros recopilan imágenes de unidades correctas y defectuosas, etiquetan los defectos y entrenan un modelo para distinguirlas. Los modelos modernos de detección de objetos, como Ultralytics YOLO, pueden alcanzar una precisión útil con unos cientos de imágenes etiquetadas por clase de defecto y mejorar a medida que se recopilan más casos límite de la línea.
Sí, y normalmente es un requisito de compra, no un extra opcional. Los sistemas de visión envían señales directamente a los PLC, los brazos robóticos y los mecanismos de rechazo. Cuando el modelo detecta un defecto, la línea desvía esa unidad sin detenerse.
No necesariamente. Los proveedores con soluciones integradas, como Cognex y Keyence, venden cámaras y software como un único sistema. Las plataformas basadas en software funcionan con cámaras industriales que ya tienes, siempre que la resolución, la frecuencia de fotogramas y la iluminación sean adecuadas. La iluminación suele ser un factor limitante más importante que la cámara.
La iluminación y la deriva. Una iluminación irregular produce imágenes irregulares e inferencias poco fiables. La deriva se produce cuando cambia el proceso (un nuevo proveedor o un acabado de material distinto) y el modelo pierde precisión porque nunca se había encontrado con esa variación. Planifica el reentrenamiento, no solo el despliegue.
Una prueba de concepto en un único punto de inspección lleva, de forma realista, varias semanas. La integración completa en la línea, las señales de los PLC, la formación de los operarios y la validación llevan meses. Quien prometa un despliegue listo para producción en unos días está describiendo una demostración.
