Un recorrido por la parte física del reconocimiento: sensores InGaAs en infrarrojo cercano, proyectores de luz estructurada y matrices térmicas que alimentan a los modelos de clasificación. Sin hardware bien calibrado, ninguna red neuronal sostiene la precisión.
Laboratorios de metrología, integradores de visión artificial y equipos de mantenimiento industrial que trabajan con sensores NIR, térmicos y de luz estructurada. Estos son comentarios recogidos tras implantaciones reales, no valoraciones de catálogo.
“Comparamos dos cámaras InGaAs con especificaciones casi idénticas y los resultados en campo no se parecían. La guía de calibración de Multispectra nos ahorró semanas de prueba y error con los filtros de banda.”
Sofia Rodriguez Jimenez, responsable de metrología óptica“Trabajamos con luz estructurada sobre piezas oscuras y siempre teníamos huecos en la nube de puntos. Aquí entendimos por qué la reflectancia del material pesa más que la resolución declarada del proyector.”
Carlos Vargas Ortega, integrador de visión 3D“La parte de fusión térmico-visible nos sirvió para justificar ante el cliente por qué la alineación se degrada con la temperatura ambiente. Explicado sin adornos, con criterios claros.”
Equipo de inspección de infraestructuras, San Luis“Consultamos la ficha de sensores antes de cerrar una compra y evitamos un modelo que no aguantaba el rango de temperatura de nuestra planta. Ese detalle solo aparecía en la letra pequeña del fabricante.”
Departamento técnico de una planta de procesamientoSi trabajas con hardware multiespectral y quieres compartir tu caso, escríbenos a info@perthluxurylist.com o consulta los escenarios documentados.
Dudas que aparecen cuando se pasa del folleto técnico al banco de pruebas: sensores, iluminación, calibración y límites reales de cada tecnología.
El NIR trabaja bien con humedad, vegetación y algunos polímeros, pero se queda corto cuando el material tiene bandas de absorción por encima de los 1000 nm. El SWIR exige detectores InGaAs, refrigeración estable y ópticas más caras. La elección no es de gama, es de firma espectral: si las diferencias entre tus muestras caen fuera del rango útil del silicio, no hay algoritmo que lo compense.
Con negros mate suele funcionar si se sube el tiempo de exposición, aunque se pierde velocidad. Con superficies especulares el patrón se satura y la fase medida se corrompe. En esos casos conviene proyección con luz polarizada, recubrimiento temporal o cambiar a fotogrametría con textura proyectada. Ningún proyector resuelve por sí solo una pieza cromada en movimiento.
La calibración extrínseca se hace una vez, pero la deriva térmica del soporte la deshace con los cambios de temperatura ambiente. Lo práctico es fijar un patrón de referencia en escena y recalcular la homografía cada cierto tiempo, o usar un soporte con invar y compensación pasiva. Sin eso, la fusión se ve bien en la primera hora y mal al mediodía.
La repetibilidad suele ser bastante mejor que la exactitud. Un equipo puede repetir la misma medida con décimas de milímetro y a la vez tener un error absoluto mayor por calibración de la cámara, distorsión de la lente y temperatura del proyector. Conviene separar ambas métricas al evaluar un proveedor y pedir ensayos sobre piezas reales, no sobre esferas patrón.
Compensan ruido, no falta de información. Si el sensor no captura la banda donde está la diferencia entre dos materiales, ninguna red la va a inventar. Lo que sí hace bien el aprendizaje profundo es corregir no uniformidad, interpolar píxeles defectuosos y estabilizar clasificaciones cuando la señal es marginal. El hardware marca el techo; el modelo, la distancia a ese techo.
En NIR y SWIR la respuesta del detector cambia con la temperatura, y en térmico el problema se invierte: el sensor se convierte en fuente de error si no está estabilizado. Por eso los equipos serios incluyen corrección de no uniformidad de dos puntos y, en algunos casos, obturador interno. Ignorar este punto es la causa más común de que dos cámaras idénticas den resultados distintos.
Si tu caso concreto no aparece aquí, en recursos técnicos hay notas de calibración y criterios de selección de sensores. Para consultas específicas sobre un montaje, puedes escribirnos desde contacto.
Guía técnica de referencia · actualización continua
Un clasificador bien entrenado se queda corto si el sensor entrega información pobre. Esta sección reúne los puntos donde la electrónica, la óptica y el firmware marcan la diferencia real en reconocimiento multiespectral: infrarrojo cercano, luz estructurada 3D y térmica combinada con visible. No es una lista de especificaciones de catálogo, sino de decisiones que cambian el resultado en campo.
Los filtros de banda y la iluminación activa definen qué firma espectral llega al detector. Sin control de la fuente y de la temperatura del propio sensor, dos capturas del mismo objeto pueden diferir más que dos materiales distintos.
La precisión micrométrica de laboratorio rara vez sobrevive a superficies oscuras, brillantes o en movimiento. Aquí se trabaja con repetibilidad y exactitud como métricas separadas, y con la temperatura del proyector como variable de fase.
Combinar dos sensores con distinta resolución y latencia exige calibración extrínseca y compensación de deriva. El dominio de registro (visible o térmico) condiciona la homografía que se puede esperar.
Dos cámaras con especificaciones parecidas pueden dar resultados incompatibles si la cadena de calibración no está documentada. La trazabilidad del proceso importa tanto como el propio sensor.
Si necesitas el detalle de la cadena NIR o el comportamiento real de un sistema de luz estructurada, hay material ampliado en la cadena de captura en infrarrojo cercano y en los límites prácticos de la luz estructurada 3D. Para consultas técnicas concretas sobre integración de sensores, el equipo responde desde contacto.