SOLUCIÓN DE CLASIFICACIÓN POR VISIÓN
Viroteq proporciona IA automatización de la clasificación de alimentos diseñado para la higiene, la trazabilidad y el ritmo de la producción alimentaria moderna. Desde productos frescos y panadería hasta carne, productos lácteos, confitería y comidas preparadas, nuestro sistema de visión clasifica cada artículo en menos de 10 milisegundos y lo dirige al carril, contenedor o estación de empaquetado correctos. Además, los registros FDA/HACCP viajan con cada decisión, por lo que los equipos de control de calidad realizan auditorías por lote SKU en lugar de reconstruir los datos a posteriori. Por lo tanto, el resultado es una automatización de la clasificación de alimentos de bucle cerrado lista para auditorías que se amplía a más de 100 referencias sin necesidad de volver a formar a los operarios de la línea.

Clasificación por artículos
Registros listos para auditoría
Por célula, modelo AI único
Reentrenamiento del operador
La automatización de la clasificación de alimentos opera en uno de los entornos más regulados y sensibles al tiempo de la fabricación. Cada clasificación debe satisfacer simultáneamente requisitos HACCP, normas de control de alérgenos, obligaciones de trazabilidad de lotes y presiones de vida útil corta. Los clasificadores fotoeléctricos genéricos y la visión artificial basada en reglas nunca se diseñaron para esto. Asumen formas uniformes, colores uniformes e iluminación uniforme, nada de lo cual se aplica cuando fresas frescas, panecillos horneados, queso en lonchas y platos preparados comparten una línea de producción durante el mismo turno.
Sin embargo, el verdadero reto de la automatización de la clasificación de alimentos va más allá de la variabilidad del aspecto. Los defectos son visualmente heterogéneos: una magulladura en una manzana, una quemadura en un producto horneado, una grieta en un bloque de queso o un color atípico en una bandeja de carne tienen cada uno un aspecto diferente y pueden incluso diferir entre dos cámaras situadas a cinco metros de distancia en la misma línea. Por ello, la IA debe aprender lo que significa ‘dentro de especificación’ por familia de SKU, en lugar de compararlo con un único umbral codificado. Organismos autorizados como el programa alimentario de la FDA exigen que esta disciplina sea auditable de principio a fin con una trazabilidad completa de los lotes.
El rendimiento es otro de los retos que definen la automatización de la clasificación de alimentos. Una sola línea de panadería puede presentar a la cámara de 8 a 12 artículos por segundo, mientras que una célula de clasificación de comida preparada maneja bandejas a 3 por segundo, pero con decisiones multiclase mucho más ricas. En ambos casos, la clasificación debe realizarse en menos de 10 milisegundos o, de lo contrario, los transportadores deben retroceder. Además, el accionamiento posterior (chorros de aire, deflectores de paletas, estaciones de recogida robotizadas) debe activarse con una latencia determinista para que el artículo correcto acabe siempre en el carril correcto.
Los procedimientos de higiene y lavado añaden otro nivel de complejidad. Las cámaras, las luces, los transportadores y los mecanismos de rechazo de las células de automatización de clasificación de alimentos se someten a ciclos de higienización en húmedo varias veces por turno. El software de visión debe tolerar estos procedimientos sin perder la calibración, el estado de la receta o la precisión del modelo. Además, la condensación, el resplandor, el vapor de las líneas de cocción y las variaciones estacionales de la iluminación degradan la visión simple basada en reglas, pero los modelos de IA bien entrenados siguen siendo robustos.
Por último, la automatización de la clasificación de alimentos es especialmente sensible a la trazabilidad. Un solo artículo con alérgenos mal desviado puede desencadenar una retirada, el rechazo de un minorista o una acción reguladora. Por lo tanto, el controlador debe responder en milisegundos, registrar cada decisión con marca de tiempo y lote SKU, y recuperarse del ruido de los sensores sin dejar caer artículos en el flujo equivocado. El motor StackrBrain AI de Viroteq se construyó desde el primer día para satisfacer estas exigencias combinadas, aportando inteligencia de bucle cerrado, en tiempo real y lista para auditoría a las operaciones de automatización de clasificación de alimentos a cualquier escala.


El flujo de trabajo de automatización de la clasificación de alimentos comienza cuando los artículos entran en la zona de inspección. Las cámaras en color de alta resolución y, opcionalmente, las cámaras de infrarrojos cercanos capturan cada artículo bajo una iluminación controlada, mientras que StackrBrain recibe el SKU activo y la receta de calidad de su MES, ERP o WMS a través de REST API o WebSocket.
En el siguiente paso, la IA clasifica cada artículo según la receta activa en menos de 10 milisegundos. Los resultados incluyen la especificación, la clase de defecto, la posibilidad de retrabajo y la asignación de carril SKU. Como resultado, los actuadores aguas abajo -jets de aire, deflectores de paletas, puertas de carril o robots de recogida- reciben señales de ruta deterministas con marca de tiempo e ID de lote para cada artículo.
Los resultados de la clasificación se traducen en acciones de encaminamiento mediante VisionAI Sorting para flujos impulsados por inspecciones, o emparejado con RobotDepalr cuando llegan artículos en palés que deben despaletizarse antes de la clasificación. Ambos productos se ejecutan en el mismo IPC de borde e intercambian datos con los PLC del transportador a través de OPC-UA, sin necesidad de middleware.
Además, VisionAI Sorting se adapta en tiempo real a las variaciones del flujo ascendente. Si una bandeja llega torcida, un artículo está parcialmente oculto o cambia la iluminación durante una recuperación de lavado, el sistema vuelve a calcular la confianza y dirige los artículos inciertos a un carril de verificación manual en lugar de adivinar. Los operarios ven la anulación en la HMI y pueden confirmar o reclasificar con un solo toque, lo que retroalimenta la cola de formación de bucle cerrado para el perfeccionamiento continuo del modelo.
En el caso de los flujos salientes, los metadatos de clasificación viajan en sentido descendente hasta RobotStackr Cloud para que los paneles de control de calidad reflejen el rendimiento de la clasificación en tiempo real por SKU, lote y turno. Juntos, VisionAI Sorting, RobotDepalr y RobotStackr Cloud forman un bucle de automatización de clasificación de alimentos completo y listo para la auditoría, gestionado por un único sistema. plataforma informática.
Los tres productos Viroteq cubren la automatización integral de la clasificación de alimentos, desde la inspección primaria y el enrutamiento por carriles hasta la despaletización previa del producto entrante y el análisis posterior en la nube. Todos comparten el motor StackrBrain AI, se ejecutan en el mismo IPC periférico y se integran con las principales plataformas MES y WMS a través de API REST sin desarrollo a medida.

CLASIFICACIÓN DE LA VISIÓN PRIMARIA
VisionAI Sorting es el motor principal de la automatización de clasificación de alimentos Viroteq. La IA clasifica cada artículo según las recetas de calidad por SKU en menos de 10 milisegundos y envía señales a los actuadores aguas abajo para enrutar los flujos dentro de especificación, defectuosos y de retrabajo. Los paneles de control de bucle cerrado muestran la precisión por clase de defecto para que los equipos de control de calidad dirijan el reentrenamiento allí donde es importante.

DESPALETIZACIÓN ENTRANTE
El RobotDepalr gestiona los flujos de entrada de productos para la automatización de la clasificación de alimentos. Los palés de SKU mixtos procedentes de proveedores y cofabricantes se despaletizan artículo por artículo, y la visión identifica cada caja antes de que entre en la zona de inspección. Como resultado, la clasificación posterior funciona con flujos limpios y validados en lugar de adivinar cuál es el siguiente artículo.

ANÁLISIS DE CONTROL DE CALIDAD
RobotStackr Cloud proporciona la capa analítica para la automatización de la clasificación de alimentos. Los paneles de control en tiempo real muestran la precisión de la clasificación, las tasas de rechazo, el linaje de alérgenos y los patrones de anulación del operario por SKU, lote y turno. De este modo, los responsables de control de calidad pueden ver las tendencias de rendimiento en bucle cerrado en lugar de informes estáticos, y orientar las colas de reentrenamiento sin tener que rebuscar en los registros.
La visión artificial identifica hematomas, quemaduras, grietas, moho, objetos extraños y colores atípicos por familia de SKU. Los modelos aprenden de los comentarios de los operarios, por lo que la precisión mejora con el paso de las semanas en lugar de degradarse. Como resultado, la automatización de la clasificación de alimentos detecta los defectos que la inspección manual no detecta y funciona 24 horas al día, 7 días a la semana.
Un único modelo de IA gestiona más de 100 SKU por celda con resultados de confianza por clase. Además, los resultados multiclase alimentan las reglas de clasificación: Premium, Standard, Rework, Reject. Por lo tanto, la automatización de la clasificación de alimentos admite niveles de calidad específicos del minorista sin hardware paralelo.
Los actuadores aguas abajo -jets de aire, paletas, compuertas, robots de recogida- reciben señales de ruta deterministas con marca de tiempo e ID de lote por artículo. El estado de los búferes se supervisa para que la automatización de la clasificación de alimentos equilibre el rendimiento de los carriles de forma dinámica y evite las copias de seguridad en las fases previas durante las ráfagas de defectos.
La automatización de la clasificación de alimentos abarca un amplio espectro de categorías, cada una con sus propios requisitos de aspecto, higiene y rendimiento. La IA del Viroteq gestiona esta diversidad mediante un catálogo unificado de SKU que almacena indicadores de alérgenos, clases de defectos, umbrales de clasificación y parámetros de recetas por artículo. Por lo tanto, una sola célula de inspección puede cambiar entre recetas de productos agrícolas, panadería, productos lácteos y platos preparados en el mismo turno. Además, las nuevas referencias se incorporan mediante un asistente guiado y un pequeño lote de imágenes de muestra, por lo que los equipos de producción conservan el control operativo sin necesidad de ser expertos en visión artificial.
Manzanas, tomates, pimientos, bayas, verduras de hoja verde y tubérculos se clasifican por tamaño, color, imperfección y forma. La inteligencia artificial tolera variaciones estacionales en el tono de la piel y la iluminación que impiden el uso de clasificadores basados en reglas en las líneas de productos frescos.
Se inspeccionan las marcas de quemaduras, la estructura de la miga, la integridad de la forma y la cobertura del pan, las galletas, las galletas saladas, las patatas fritas y las barritas de aperitivo. La separación de alérgenos entre las líneas sin gluten y estándar se aplica mediante decisiones de encaminamiento por artículo.
Los filetes de pollo, las bandejas de ternera, la carne curada en lonchas y los cortes procesados se clasifican en función del color, la proporción de grasa, la detección de objetos extraños y el cumplimiento de los requisitos de etiquetado. Las células funcionan en salas refrigeradas con cámaras resistentes al lavado y hardware IPC con clasificación IP.
Los vasos de yogur, los bloques de queso, los cartones de leche y las tarrinas de nata se clasifican en el interior de naves refrigeradas con iluminación que tolera la condensación. Los datos del lote de consumo preferente se capturan por artículo para la trazabilidad de la cadena de frío hasta la expedición.
Las cajas de chocolate, las bolsas de caramelos, los expositores de chicles y los multienvases de temporada se clasifican en función del color, la superficie, el etiquetado y la integridad del envase. La segregación de alérgenos de frutos secos y productos lácteos se aplica mediante reglas de ruta y carriles exclusivos.
Los platos preparados refrigerados, los paquetes de sándwiches, las ensaladeras y los productos de charcutería preparados se inspeccionan para comprobar el nivel de llenado, la integridad del sellado, la coincidencia de la etiqueta y la integridad visual. Como resultado, cada bandeja se envía con una trazabilidad completa del lote y un motivo de rechazo para su revisión por el departamento de control de calidad.

Inspección de alto rendimiento de galletas, panecillos y cajas de aperitivos con clasificación de marcas de quemaduras y estructura de la miga.

Automatización de la clasificación de alimentos en cadena de frío para vasos de yogur, bloques de queso y tarrinas de nata con iluminación tolerante a la condensación.

Inspección de color, proporción de grasa y objetos extraños en filetes y bandejas dentro de naves de procesamiento refrigeradas con células con clasificación IP.
Latencia de la clasificación AI por elemento
Por célula, modelo AI único
Calendario típico de implantación

Los requisitos de automatización de la clasificación de alimentos varían drásticamente en la cadena de suministro. Un almacén de productos agrícolas que procesa una única referencia a miles de artículos por hora se enfrenta a un reto diferente al de un operador de coenvasado que cambia doce recetas por turno, que difiere de nuevo de una operación de cadena de frío que clasifica filetes, bandejas y productos lácteos en una sala a -2 °C. La gama de productos Viroteq cubre los tres casos con una plataforma de IA unificada que se adapta a cada contexto operativo sin necesidad de desarrollos a medida.
Para los productores de gran volumen, el VisionAI Sorting ofrece una producción constante y manos libres. clasificación por visión en varios turnos. Las recetas de calidad validadas previamente garantizan que cada decisión de rechazo se registre con fecha y hora, motivo y lote SKU. Además, las colas de retroalimentación de bucle cerrado permiten al control de calidad perfeccionar el modelo a partir de datos de producción reales, lo que responde directamente a las exigencias de auditoría de las modernas operaciones de automatización de clasificación de alimentos.
Para los coenvasadores que manejan docenas de recetas por turno, el cálculo es diferente. El cambio de receta se realiza en menos de 30 segundos sin necesidad de volver a formar al operario ni de cambiar el hardware, ya que el mismo modelo de IA admite más de 100 referencias y la HMI cambia la receta activa. Por lo tanto, las operaciones de coenvasado asumen tiradas de producción más cortas y variadas de forma rentable, una ventaja estructural en un mercado que exige cada vez más flexibilidad a los socios de automatización de clasificación de alimentos.
Las operaciones de la cadena de frío se enfrentan a un tercer patrón. Los pedidos mixtos que combinan referencias congeladas, refrigeradas y a temperatura ambiente deben inspeccionarse rápidamente con normas de calidad específicas del minorista, a menudo dentro de las zonas de transferencia de la cadena de frío. VisionAI Sorting se encarga de esto limpiamente, mientras que RobotStackr Cloud agrega metadatos de clasificación en todos los centros para dirigir el control de calidad. Como resultado, los operadores de la cadena de frío reducen simultáneamente el trabajo manual, las mermas y el riesgo de retirada de productos, que son los principales factores que impulsan el retorno de la inversión en automatización de la clasificación de alimentos.
La integración está diseñada en cada capa de la automatización de clasificación de alimentos Viroteq, desde el hardware de cámaras e iluminación hasta los conectores MES y los registros de auditoría. Los cuatro pilares siguientes definen el modo en que se realiza cada implantación.
Cada clasificación, decisión de ruta y anulación del operador se registra con marca de tiempo y lote SKU. Los informes se exportan a su SGC en formatos estándar con trazabilidad de enlace profundo por artículo.
La API REST y los conectores OPC-UA se conectan a MES, WMS y ERP sin middleware a medida. Las recetas de SKU, los datos de lote y las reglas de clasificación se sincronizan automáticamente en toda la célula de automatización de clasificación de alimentos.
Las cámaras, la iluminación, las cintas transportadoras y los mecanismos de rechazo están especificados para procedimientos de lavado con clasificación IP. El estado del software sobrevive a los ciclos de saneamiento, por lo que la producción se reanuda sin necesidad de volver a cargar las recetas.
Toda la IA se ejecuta en el IPC periférico dentro de la célula. No hay dependencia de la nube para las decisiones en tiempo real. Por lo tanto, la aprobación de TI y la seguridad alimentaria se aceleran, y el tiempo de actividad es independiente del estado de la WAN.
Reserve una demostración personalizada y compruebe cómo la automatización de la clasificación de alimentos ofrece un retorno de la inversión medible dentro de su infraestructura actual de cámaras, transportadores y MES. Preparado para FDA/HACCP. Bucle cerrado. Sin dependencia de la nube.
Desarrollado por StackrBrain AI. Integrado con su plataforma MES, WMS y de seguridad alimentaria. De confianza en líneas de productos frescos, panadería, carne, productos lácteos, confitería y platos preparados. Explore toda la gama familia de soluciones de clasificación por visión u obtener más información sobre Viroteq.
| Galleta | Duración | Descripción |
|---|---|---|
| cookielawinfo-checkbox-advertisement | 1 año | Establecida por el plugin GDPR Cookie Consent, esta cookie registra el consentimiento del usuario para las cookies de la categoría "Publicidad". |
| cookielawinfo-checkbox-analytics | 11 meses | Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Analytics". |
| cookielawinfo-checkbox-functional | 11 meses | La cookie se establece por el consentimiento de cookies GDPR para registrar el consentimiento del usuario para las cookies en la categoría "Funcional". |
| cookielawinfo-checkbox-necessary | 11 meses | Esta cookie es establecida por el plugin GDPR Cookie Consent. Las cookies se utilizan para almacenar el consentimiento del usuario para las cookies en la categoría "Necesario". |
| cookielawinfo-checkbox-others | 11 meses | Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Otros". |
| cookielawinfo-checkbox-performance | 11 meses | Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Rendimiento". |
| CookieLawInfoConsent | 1 año | CookieYes establece esta cookie para registrar el estado del botón predeterminado de la categoría correspondiente y el estado de CCPA. Solo funciona en coordinación con la cookie principal. |
| elementor | nunca | El tema de WordPress del sitio web utiliza esta cookie. Permite al propietario del sitio web implementar o cambiar el contenido del sitio web en tiempo real. |
| viewed_cookie_policy | 11 meses | La cookie es establecida por el plugin GDPR Cookie Consent y se utiliza para almacenar si el usuario ha consentido o no el uso de cookies. No almacena ningún dato personal. |
| Galleta | Duración | Descripción |
|---|---|---|
| _lscache_vary | 2 días | Litespeed establece esta cookie para proporcionar la prevención de páginas en caché. |
| Galleta | Duración | Descripción |
|---|---|---|
| CONSENTIMIENTO | 2 años | YouTube instala esta cookie a través de los vídeos de YouTube incrustados y registra datos estadísticos anónimos. |
| _ga | 1 año 1 mes 4 días | Google Analytics instala esta cookie para calcular los datos de visitantes, sesiones y campañas y realizar un seguimiento del uso del sitio para el informe de análisis del sitio. La cookie almacena la información de forma anónima y asigna un número generado aleatoriamente para reconocer a los visitantes únicos. |
| No te preocupes. | 1 año 1 mes 4 días | Google Analytics instala esta cookie para almacenar y contar las visitas a las páginas. |
| Galleta | Duración | Descripción |
|---|---|---|
| VISITOR_INFO1_LIVE | 5 meses 27 días | YouTube establece esta cookie para medir el ancho de banda, determinando si el usuario obtiene la nueva o la antigua interfaz del reproductor. |
| YSC | sesión | Youtube instala esta cookie para hacer un seguimiento de las visualizaciones de los vídeos incrustados en las páginas de Youtube. |
| yt.innertube::nextId | nunca | YouTube utiliza esta cookie para registrar un ID único con el fin de almacenar datos sobre los vídeos de YouTube que ha visto el usuario. |
| yt.innertube::solicitudes | nunca | YouTube utiliza esta cookie para registrar un ID único con el fin de almacenar datos sobre los vídeos de YouTube que ha visto el usuario. |