Plataformas de computer vision para manufactura: YOLO, Cognex y Keyence comparadas
Compara plataformas de computer vision para manufactura: Cognex, Edge Impulse, Keyence, Landing AI, Roboflow y Ultralytics YOLO, en cuanto a inspección y ajuste con MES.
La inspección manual no escala. En una línea que procesa miles de unidades por hora, una fracción mínima de defect os no detectados se convierte en una retirada de producto, y ningún inspector humano mantiene la concentración durante un turno completo. La visión artificial elimina esa brecha al inspeccionar cada unidad de forma constante y a la velocidad de la línea.
Elegir una plataforma es más difícil que decidir adoptarla. El mercado se divide en dos bandos muy diferentes: los proveedores de visión industrial que venden hardware y software integrado con ingenieros de campo incluidos, y las plataformas centradas en el software en las que aportas tus propias cámaras y capacidad de cómputo. Sirven para compradores distintos, y una mala elección resulta costosa en ambas direcciones.
Esta guía compara las plataformas que los fabricantes realmente consideran como finalistas, en qué destaca genuinamente cada una y cómo decidir entre ellas.
Comparativa rápida#
Los proveedores se enumeran por orden alfabético, no por ranking. Ultralytics publica esta comparativa y aparece en ella, por lo que el orden es deliberadamente neutral y cada entrada incluye un compromiso asumido.
| Plataforma | Modelo | Ideal para | Inconveniente |
|---|---|---|---|
| Cognex | Hardware y software integrados | Inspección industrial madura y de alta precisión | Precios elevados, ecosistema propietario |
| Edge Impulse | ML embebido | Dispositivos periféricos y embebidos con recursos limitados | Alcance más reducido que las plataformas de visión general |
| Keyence | Hardware y software integrados | Compradores que desean soporte técnico directo del proveedor | Presupuestos personalizados, modelo de venta directa |
| Landing AI | Software de inspección sin código | Expertos de planta sin equipos de ciencia de datos | La empresa se ha reorientado hacia la IA documental; confirma la hoja de ruta |
| Roboflow | Software integral | Equipos de desarrollo que gestionan todo el ciclo de vida de los datos | El valor aumenta a medida que trasladas una mayor parte de tu flujo de trabajo a una sola plataforma |
| Ultralytics YOLO | Modelos abiertos + plataforma | Equipos que buscan modelos personalizados en su propio hardware | Tú asumes la integración y el MLOps; se aplica la misma dependencia de un solo proveedor |
Los proveedores integrados#
Cognex#
Cognex es el estándar industrial y lo lleva siendo durante mucho tiempo. Su tecnología de coincidencia de patrones PatMax sigue siendo un punto de referencia para localizar piezas de forma fiable independientemente del ángulo, la escala o las variaciones de iluminación: un problema genuinamente 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 probada importen más que el coste o la flexibilidad, en particular en la inspección de automoción, electrónica y farmacéutica, donde los requisitos de validación son estrictos.
El inconveniente es un ecosistema cerrado a precios elevados. Estás comprando un sistema, no componentes, y la personalización se realiza dentro de los límites que define el proveedor.
Keyence#
El elemento diferenciador de Keyence es comercial más que 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, ese soporte suele valer más que una comparativa de características.
Elígelo cuando quieras un proveedor que asuma la responsabilidad del resultado en lugar de limitarse a enviar un kit de herramientas.
El inconveniente es la opacidad y el coste. Los precios se basan en presupuestos y la relación se establece con un proveedor en lugar de con una tecnología que controlas.
Omron, Basler, Matrox, Siemens y Teledyne#
También son opciones sólidas en este ámbito, por lo general como proveedores de componentes o subsistemas. Basler es conocida por la fiabilidad de sus cámaras, Matrox por su madura biblioteca de imágenes, y Siemens y Omron por la integración en la automatización industrial. Si ya utilizas su pila de automatización, permanecer dentro de ella reduce el riesgo de integración.
Las plataformas centradas en el software#
Ultralytics YOLO#
Ultralytics crea la familia de modelos de visión de código abierto YOLO (detección de objetos, segmentación, estimación de posturas, cuadros delimitadores orientados y clasificación) utilizados ampliamente para la inspección en tiempo real. El caso de fabricación es específico: entrena un modelo con tus propias imágenes de defectos, ejecútalo en el hardware que ya posees y conserva el modelo y los datos.
La detección con cuadros delimitadores orientados merece una mención especial para este público, ya que las piezas en una cinta transportadora llegan en ángulos arbitrarios y los rectángulos estándar se adaptan mal a ellas.
Elígelo cuando tus defectos sean específicos de tu proceso, quieras evitar las licencias por cámara o necesites realizar implementaciones en muchas líneas sin que se multipliquen los costes por puesto. Los modelos se ejecutan en hardware de borde como NVIDIA Jetson además de en PC industriales estándar.
El inconveniente es real: tú te encargas de la integración. No hay ningún ingeniero de campo que venga a arreglar tu iluminación. Ultralytics ofrece una licencia empresarial y soporte comercial para despliegues de producción, pero el modelo operativo asume capacidad de ingeniería interna. Si tu equipo no la tiene, un proveedor integrado te llevará a producción más rápido.
Roboflow#
Roboflow cubre bien el ciclo de vida de los datos: anotación, aumento, versionado, entrenamiento y despliegue en un solo lugar. Para los equipos cuyo cuello de botella es la gestión de datos y no el modelado, esa consolidación es el valor añadido.
Elígelo cuando tengas un equipo de desarrollo y quieras herramientas gestionadas en torno a todo el flujo de trabajo.
El inconveniente es un coste de suscripción que escala con el uso y un menor control en comparación con la ejecución de modelos de código abierto por tu cuenta.
Landing AI#
LandingLens está diseñado explícitamente para personas que entienden de fabricación en lugar de aprendizaje automático.
Nota antes de seleccionarlo: Landing AI se ha reorientado hacia la IA documental y de agentes (sus productos principales se centran ahora en la extracción de documentos) y LandingLens es una línea mantenida más que principal. ABB Motion Ventures realizó una inversión en 2025 específicamente para llevar su IA de visión a la robótica de ABB, por lo que la capacidad tiene un camino a seguir, pero confirma los compromisos de la hoja de ruta para la inspección de fábrica antes de seleccionarlo. El flujo de trabajo de apuntar y hacer clic permite a un ingeniero de calidad entrenar un modelo de defectos sin escribir código. Una ventaja genuina cuando la experiencia en el dominio reside en la planta de producción.
Elígelo cuando tus expertos en la materia deban ser quienes construyan los modelos.
El inconveniente es que tiene un límite. Las herramientas sin código son excelentes hasta que necesitas algo que no hacen.
Edge Impulse#
Edge Impulse se especializa en ML embebido para dispositivos con recursos limitados: la respuesta correcta para hardware de clase microcontrolador, más específica que una plataforma de visión general.
Si utilizas AWS y buscas un dispositivo periférico gestionado, ten en cuenta que AWS Panorama llegó al fin de su soporte el 31 de mayo de 2026 y los dispositivos adquiridos ya no funcionan. AWS dirige ahora a los clientes hacia soluciones de socios o hacia el desarrollo en SageMaker con hardware de borde de clase Jetson. Cualquier artículo comparativo que siga listando Panorama como una opción activa fue escrito antes de esa fecha. Una prueba útil para comprobar cuán actualizadas son las fuentes de tu lista de candidatos.
Detección automatizada de defectos: qué determina realmente el éxito#
La plataforma importa menos que tres aspectos que la gente subestima.
La iluminación es lo primero. Más proyectos de visión fallan por la iluminación que por la arquitectura del modelo. Una iluminación constante y controlada convierte un problema difícil en uno sencillo. Destina presupuesto a esto antes que al 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 cómo recopilar y etiquetar defectos poco frecuentes desde el principio. El aumento sintético ayuda, pero no sustituye a los ejemplos reales.
La deriva es un proceso, no un incidente. Los proveedores cambian, las herramientas se desgastan, los materiales varían. Un modelo entrenado con la producción de enero se degrada en junio. Elijas la plataforma que elijas, presupuesta un reentrenamiento y un seguimiento 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 sobre ellos. La mayoría de los despliegues necesitan enviar los resultados a un MES o a un historiador para que las tasas de defectos aparezcan junto con otras métricas de producción, y necesitan una latencia lo suficientemente baja como para rechazar una unidad antes de que abandone el puesto.
Ese segundo requisito suele decidir dónde se ejecuta la inferencia. Los viajes de ida y vuelta a la nube son demasiado lentos para accionar el rechazo, por lo que la inferencia se sitúa en el borde de la línea, con los resultados agregados fluyendo hacia arriba. Confirma que cualquier plataforma admite inferencia local antes de seleccionarla. Una arquitectura exclusiva en nube descalifica a la plataforma para la mayoría de las inspecciones en línea.
Cómo elegir#
Elige un proveedor integrado (Cognex, Keyence) si careces de ingeniería de visión interna, necesitas sistemas validados por razones normativas o quieres un solo proveedor responsable del resultado.
Elige una solución sin código, Landing AI, si tus ingenieros de calidad deben encargarse de los modelos y tus defectos están bien definidos.
Elige código abierto, Ultralytics YOLO, si tienes capacidad de ingeniería, necesitas modelos personalizados para defectos específicos del proceso, quieres desplegar en muchas líneas sin licencias por cámara o necesitas ser propietario absoluto de tus modelos y datos.
Elige herramientas de desarrollo gestionadas, Roboflow, si tienes un equipo de desarrollo y quieres que el flujo de datos esté gestionado.
La mayoría de los fabricantes que utilizan la visión a gran escala terminan empleando más de una. Un sistema integrado en el punto de inspección crítico validado, y una pila de código abierto flexible para todo lo demás.
Primeros pasos#
Elige un punto de inspección con un defecto claramente definido y una tasa de chatarra actual medible. Arregla la iluminación. Recopila unos cientos de imágenes etiquetadas que incluyan defectos reales. Entrena, mide el rendimiento frente a tu línea base manual existente y solo entonces decide si escalas.
Los modelos de Ultralytics YOLO son de código abierto bajo AGPL-3.0, con una licencia empresarial disponible para despliegues comerciales. Si estás evaluando la visión artificial para una línea de producción, explora Ultralytics YOLO para la fabricación o lee más sobre la detección de defectos.
Preguntas frecuentes
Cuatro tareas, principalmente. La detección de defectos encuentra arañazos, grietas, contaminación y variaciones de color. La verificación de ensamblaje confirma que cada componente está presente y correctamente colocado. La medición dimensional compara las piezas con la tolerancia. El reconocimiento óptico de caracteres lee números de serie, códigos de lote y etiquetas. La mayoría de los despliegues empiezan con una y se expanden.
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 luego mejorar a medida que se recopilan más casos límite de la línea.
Sí, y esto suele ser un requisito de adquisición más que un extra deseable. Los sistemas de visión envían señales directamente a los PLC, brazos robóticos y mecanismos de rechazo. Cuando el modelo señala un defecto, la línea desvía esa unidad sin detenerse.
No necesariamente. Los proveedores integrados como Cognex y Keyence venden cámaras y software como un solo sistema. Las plataformas centradas en el software se ejecutan en cámaras industriales que ya posees, siempre que la resolución, la velocidad de fotogramas y la iluminación sean adecuadas. La iluminación suele ser el factor limitante con más frecuencia que la cámara.
La iluminación y la deriva. Una iluminación inconsistente produce imágenes inconsistentes y una inferencia poco fiable. La deriva ocurre cuando el proceso cambia (un nuevo proveedor, un acabado de material diferente) y el modelo se degrada porque nunca vio esa variación. Planifica el reentrenamiento, no solo el despliegue.
Una prueba de concepto en un solo punto de inspección toma realistamente unas pocas semanas. La integración completa de la línea, la señalización de PLC, la formación de operadores y la validación requiere meses. Cualquiera que prometa un despliegue de calidad de producción en días está describiendo una demostración.
