En inspección real, la cámara sola no resuelve nada. Lo que marca la diferencia es cómo se combinan bandas espectrales, iluminación activa y modelo de clasificación sobre el mismo objeto, en el mismo instante. Estos son los frentes donde esa sinergia se nota.
Separar materiales que a simple vista son idénticos exige controlar la banda, el tiempo de integración y la respuesta del detector. Se trabaja con filtros de banda estrecha y normalización radiométrica para que la firma espectral no dependa del equipo que la capturó.
Un proyector de franjas entrega la geometría, pero la precisión cae en superficies oscuras, brillantes o en movimiento. Ajustamos el patrón, la frecuencia y la exposición según el material para que la nube de puntos sirva para medir, no solo para visualizar.
El térmico detecta lo que el visible oculta: humedad, delaminación, puntos calientes. La clave está en la emisividad del material y en la deriva del propio sensor durante la jornada, no en la resolución nominal del detector.
Cuando coinciden una cámara térmica y una visible, la correspondencia espacial se degrada con la temperatura ambiente y la distancia focal. Trabajamos la calibración extrínseca y la sincronización temporal antes de tocar cualquier algoritmo de fusión.
Dos equipos con especificaciones parecidas pueden dar resultados opuestos en campo. Documentamos corrección de no uniformidad, referencias de calibración y criterios de repetibilidad para que el resultado sea comparable entre campañas.
El hardware no vive aislado. Definimos formatos de salida, marcas de tiempo y metadatos espectrales para que los datos entren en el sistema de inspección sin rehacer la cadena completa.
Si quieres ver cómo se aplica esto en situaciones concretas, revisa los recursos técnicos o la información de quiénes trabajamos en esto.
Antes de comparar equipos conviene fijar el vocabulario. Estas son las aclaraciones que repetimos en cada proyecto, porque de ellas depende que dos informes técnicos se puedan poner uno al lado del otro sin discusiones estériles.
En este sitio hablamos de multiespectral cuando hay al menos tres bandas espectrales separadas y calibradas de forma independiente, con respuesta conocida del sensor y filtros documentados. Un sistema con dos canales, o con un único sensor y filtro conmutado por software, no entra en esa categoría aunque el fabricante lo etiquete así. Tampoco consideramos multiespectral la simple combinación de una cámara visible y una térmica: son dos dominios distintos y su fusión se trata aparte. La distinción importa porque los algoritmos de clasificación entrenados sobre firmas espectrales reales no funcionan igual cuando las bandas son sintéticas o están interpoladas.
Son dos números que se citan juntos pero miden cosas distintas. La resolución óptica indica cuántos píxeles cubren el objeto y depende de la focal, la distancia y el tamaño del sensor. La resolución espectral describe el ancho de banda de cada canal y su separación respecto al siguiente. Un equipo puede tener 12 megapíxeles por banda y aun así ser incapaz de distinguir dos plásticos con firmas muy próximas en el infrarrojo cercano. Al revés también ocurre: bandas estrechas y bien separadas sobre un sensor de baja cuenta de píxeles dan clasificaciones más fiables que una imagen grande con bandas solapadas. En los informes que publicamos aquí, ambos valores se dan siempre por separado.
Cuando decimos que un sistema de luz estructurada alcanza cierta precisión, nos referimos a condiciones controladas: objeto estático, superficie mate, temperatura estable del proyector y distancia fija. Fuera de ahí, la repetibilidad cae y la exactitud absoluta puede degradarse varias veces. Las superficies oscuras absorben el patrón, las brillantes lo saturan y las translúcidas lo dispersan por debajo de la piel del material. En piezas en movimiento, la fase medida se contamina con el desplazamiento y hay que recurrir a codificación binaria o a proyección sincronizada. No publicamos cifras de precisión sin indicar en qué condiciones se obtuvieron.
Un sensor térmico mide radiación infrarroja emitida y la traduce a temperatura aparente. No mide temperatura real de contacto, no atraviesa el vidrio estándar y no ve a través de la mayoría de materiales opacos. La emisividad del objeto, la temperatura reflejada del entorno y la distancia modifican la lectura, y sin corregir esos tres factores la imagen térmica es orientativa, no metrológica. Cuando en un caso de inspección hablamos de "detección térmica", nos referimos a contraste térmico útil, no a medida absoluta. Para medida absoluta hacen falta referencia, emisividad conocida y condiciones de sala.
Fusionar térmico y visible, o NIR y 3D, no es superponer dos capturas. Requiere calibración extrínseca entre sensores, compensación de deriva térmica del soporte y sincronización temporal de los flujos. Si los sensores tienen distinta resolución o distinta latencia, la correspondencia espacial se degrada y el algoritmo de fusión empieza a inventar detalle donde no lo hay. En los casos que describimos, siempre indicamos qué dominio se usa como referencia y qué precisión de homografía se considera aceptable. Cuando hay movimiento relativo entre sensores, la fusión en tiempo real deja de ser fiable y conviene registrar por separado y alinear después.
Dos cámaras con el mismo rango declarado pueden comportarse como instrumentos distintos según cómo gestionen la calibración, la deriva térmica y la fusión de bandas. Aquí van los argumentos que separan un sistema que aguanta en campo de uno que solo funciona en la mesa de laboratorio.
Aplicaciones reales y resultados medibles
Los casos que siguen provienen de despliegues donde la identificación multiespectral dejó de ser una promesa de laboratorio. Cada uno muestra una situación concreta, el cuello de botella que apareció y qué se resolvió con hardware y procesamiento ajustados entre sí.
Una línea de triaje con cinta a 1,2 m/s necesitaba separar PET, HDPE y policarbonato que a simple vista se confunden. Se montó una cámara NIR con filtro de banda estrecha y un modelo de clasificación por firma espectral. El problema no fue el algoritmo, sino la iluminación: los halógenos generaban reflejos especulares que saturaban el sensor. Se cambió a LED con difusor y se recalculó la corrección de no uniformidad. El resultado fue una tasa de acierto estable por encima del 96% durante turnos completos, sin recalibración diaria.
Cómo funciona la identificación multiespectral en el infrarrojo cercanoUn taller verificaba tolerancias de ±0,05 mm en piezas de aluminio anodizado. La luz estructurada de franjas funcionaba bien en superficies mate, pero el anodizado brillante devolvía una nube de puntos con huecos. Se combinó proyección de franjas con polarización cruzada y se ajustó el tiempo de exposición por zona. La repetibilidad mejoró lo suficiente para sustituir el muestreo por contacto en el 70% de las referencias. La exactitud absoluta siguió dependiendo de la calibración periódica del proyector.
Luz estructurada 3D: precisión real frente a precisión de catálogoInspeccionar 12.000 m² de cubierta con cámara térmica a pie era inviable. Se montó un sistema dual térmico-visible en dron con alineación extrínseca calibrada en banco. La deriva térmica del soporte obligó a corregir la homografía cada 20 minutos de vuelo. Con esa compensación, las zonas húmedas se localizaron con precisión suficiente para dirigir la reparación sin abrir la cubierta completa. El ahorro vino de no picar a ciegas, no de la resolución del sensor.
Fusión de térmico y visible para inspección en exterioresUna envasadora necesitaba verificar sellado y nivel de llenado a 300 unidades por minuto. La cámara visible detectaba el nivel, pero no el sellado defectuoso por microporos. Se añadió un sensor térmico de bajo coste que medía el perfil de temperatura justo tras el sellado. Un pico anómalo indicaba fuga. La integración fue sencilla porque ambos flujos compartían trigger. Lo complicado fue el rechazo de falsos positivos por corrientes de aire en la nave.
Ver escenarios de aplicación