La industria alimentaria fue una de las primeras en adoptar sistemas automatizados para la clasificación, por ejemplo, de frutas y verduras. Por lo tanto, no es extraño que ahora esté a la vanguardia en la implementación de sistemas de visión artificial para el control de la calidad.
De las frutas amontonadas en cajas y cajones en almacenes llenos de polvo, a modernas instalaciones con control de la temperatura y la humedad. Y ahora, una clasificación cada vez más precisa de la forma, tamaño y apariencia de los productos.
Un avance que responde a una necesidad directa: la apariencia y el grado de madurez de las frutas, verduras y hortalizas es cada vez más importante a la hora de la comercialización, sobre todo en mercados como el europeo o el norteamericano. La tecnología ayuda pues a dar respuesta a los consumidores —y a las empresas— más exigentes.
Cualquier fruta —limones, manzanas, tomates, melones, plátanos… y frutas tropicales como el mango o el aguacate—, hortalizas o verduras, como el ajo, la cebolla o la patata, aunque se puede analizar y clasificar en función de sus características externas (forma, tamaño y color), y de si hay imperfecciones (golpes, picaduras de insectos o pájaros, efectos de heladas o enfermedades de la piel). Incluso hay sistemas automatizados que incorporan rayos infrarrojos y pueden detectar problemas que no se perciban en la superficie.
Pero no solo se utilizan para frutas y verduras. También se analizan y clasifican alimentos procesados o en grano, como olivas, arroz y legumbres, patatas fritas, frutos secos o cereales.
Los sistemas 3D se utilizan para definir el plano de corte de pescado y carne (pollo, ternera, cerdo…), y para clasificar las diferentes piezas (pechuga, muslo…). Incluso se utilizan para clasificar los huevos, especialmente por tamaño y para evitar imperfecciones, y en fleca y pastelería, para el tamaño, peso y punto de cocción de las piezas.
Hasta la implementación de la visión artificial, estas tareas de clasificación se llevaban a cabo de forma manual. El problema con este método es que la visión humana es subjetiva, le es difícil clasificar dos productos muy similares, y además se fatiga al cabo de un rato aunque la tarea sea simple.
Por ello, con la adopción de sistemas de visión artificial la industria alimentaria ha conseguido, entre otras cosas, mejorar el control de la calidad en tiempo real y sobre el 100% de la producción, lo que reduce las partidas defectuosas o devueltas por no lograr los estándares de calidad solicitados. Además, la información de la cadena de procesado se transmite en tiempo real al cloud, y permite una total trazabilidad de los productos.
En resumen, una reducción de costes y una mejora de la productividad que no son solo palabras: el informe del 2015 de Accenture sobre la IIOT (Industrial Internet of Things) ya mostraba una mejora de la productividad del 30% en industrias que implementaban automatización y técnicas de producción flexibles.
