Conteo y control de calidad
Cuando se piensa en IA agrícola, se imaginan tractores autónomos, drones y robots. Sin embargo, uno de los problemas más habituales para quienes producen, envasan, venden semilla o investigan es mucho más simple: ¿cuántos objetos hay? Y más concretamente: ¿cuántos objetos redondos hay?
Un teléfono móvil ya puede contar objetos redondos de forma automática: arándanos, semillas de soja y garbanzo, cacahuetes, alubias, uvas, frutos secos, gránulos. La visión artificial detecta cada objeto por separado a partir de una sola fotografía y devuelve no solo un recuento, sino el tamaño medio, la dispersión de tamaños (desviación típica) y la distribución completa. Con una placa de calibración en el encuadre, esas mediciones llegan en centímetros reales.
Este artículo explica dónde empezó el conteo con móvil (arándanos en poscosecha), por qué los objetos redondos son el primer objetivo ideal para la visión artificial, el flujo de captura en cuatro pasos, por qué el tamaño medio por sí solo induce a error y la desviación típica importa, por qué un 87 % de exactitud suele ser un éxito y no un fracaso, y por qué la placa de calibración es una norma y no una sugerencia.
- Los objetos redondos —con límites nítidos, formas previsibles y buena separación de un fondo contrastado— son el objetivo más fácil para el conteo por visión artificial.
- Una sola fotografía aporta mucho más que un total: recuento, diámetro y área medios, mínimo y máximo, desviación típica y distribución de tamaños.
- La desviación típica revela una uniformidad que el tamaño medio esconde: dos muestras con la misma media pueden ser productos muy distintos.
- La placa de calibración es obligatoria para obtener mediciones reales. Sin ella sigue habiendo recuento, pero el área y el diámetro salen a cero.
La pregunta universal: ¿cuántos hay?
En la agricultura y la industria alimentaria, miles de decisiones siguen dependiendo de que alguien cuente objetos a mano sobre una mesa, una bandeja, un plato, una cinta o en la palma de la mano. Arándanos. Semillas de soja. Guisantes. Alubias. Frutos secos. Gránulos. Muestras experimentales. Contar no es difícil: el reto es la escala. Un solo proyecto puede implicar cientos o miles de imágenes, lo que convierte el conteo manual en algo lento, repetitivo y propenso a errores.
Ya se trate de bayas, semillas o frutos secos, la tarea de fondo es idéntica: contar objetos individuales circulares o casi circulares a partir de una imagen. Resuélvala una vez y se generaliza a muchos ámbitos: calidad de semilla de soja, estudios de germinación, análisis de cacahuete, investigación en cereales, programas de mejora genética y experimentos de laboratorio.
Dónde empezó todo: los arándanos
En Petiole Pro, una de nuestras primeras aplicaciones de conteo vino del control de calidad poscosecha del arándano. Equipos de investigación y socios industriales querían una forma más rápida de cuantificar muestras de baya sin dedicar un tiempo valioso a contar fruta a mano. El flujo era: recoger una muestra, colocar las bayas en una bandeja, fotografiar, contar y anotar, repetido a lo largo de cientos de imágenes.
Contar nunca fue lo difícil: lo difícil era la escala. Convertir una tarea manual repetitiva en unos segundos de análisis de imagen es lo que marca la diferencia en los volúmenes que exige un control de calidad real.
Por qué los objetos redondos son un buen punto de partida
Los objetos redondos están entre los objetivos más fáciles para un sistema de visión artificial. Suelen tener límites nítidos, formas previsibles, tamaños relativamente constantes y una separación clara del fondo. Repártalos sobre una superficie contrastada y el análisis de imagen actual puede identificarlos y contarlos con una exactitud notable: por eso funcionan bien los arándanos, las semillas de soja, los guisantes, los garbanzos, las macadamias, las avellanas, las almendras, los gránulos de fertilizante y muchas frutas y bayas.
Por eso los objetos redondos son un punto de partida honesto y no una promesa exagerada. Su geometría mantiene el problema de detección manejable, de modo que los modelos pueden seguir siendo lo bastante ligeros para funcionar en un teléfono. Las formas irregulares, superpuestas y biológicas —hojas, raíces, flores— son más difíciles y quedan para otro día.
El flujo de trabajo en cuatro pasos con el móvil
El proceso es deliberadamente sencillo, para que funcione en un laboratorio, en un almacén de envasado, en un aula o en el campo. Todo se hace desde la aplicación Petiole Pro en un teléfono corriente.
- Prepare la muestra. Reparta los objetos en una sola capa sobre un fondo contrastado —bandeja, plato, mesa o encimera— y añada una placa de calibración si quiere mediciones y no solo un recuento.
- Capture la imagen. Fotografíe desde justo encima. Una luz uniforme y con pocas sombras mejora la exactitud; la luz natural es ideal.
- Detecte los objetos individuales. En lugar de tratar la muestra como una masa única, el algoritmo localiza cada baya o semilla por separado.
- Genere las mediciones. Una vez detectados los objetos, la aplicación calcula recuento, diámetro, área, métricas de forma y estadísticas de distribución.
Aquí tiene una captura del paso 2 y su resultado del paso 3, uno junto al otro: un plato de uvas verdes y el mismo plato con cada baya detectada y medida:
Más allá del recuento: tamaño, área y distribución
Aquí es donde el conteo por imagen resulta mucho más valioso que un simple total. De una sola imagen, la aplicación puede informar del número de objetos, el tamaño medio, el tamaño mínimo y máximo, la desviación típica, la distribución completa de tamaños y el porcentaje de objetos dentro de clases de tamaño concretas. En lugar de contar a mano 500 arándanos, obtiene un resumen estadístico completo en segundos.
El mismo motor de detección escala de decenas de objetos a miles. Las bandejas densas de semilla son justo donde se derrumba el conteo manual y donde un modelo ligero en el propio dispositivo mantiene el tipo:
Por qué importa la desviación típica
Imagine dos muestras de arándanos con un diámetro medio de 16 mm. A primera vista parecen idénticas. Pero en la muestra A casi todas las bayas rondan los 16 mm —muy homogénea—, mientras que en la muestra B unas miden 10 mm y otras 22 mm. La misma media, un producto muy distinto. Para quien produce, envasa o compra no son en absoluto lo mismo, y eso es lo que capta la desviación típica.
La desviación típica mide cuánta variación hay dentro de una muestra. Un valor bajo significa que los objetos tienen tamaños parecidos; uno alto, que varían bastante. Piense en un aula: si todos los niños miden casi lo mismo, la desviación típica es baja; si unos son muy bajos y otros muy altos, es alta. El mismo principio vale para arándanos, semillas y frutos secos, y condiciona decisiones reales:
- Arándanos: la distribución prefiere envases uniformes; una desviación típica baja indica consistencia.
- Semillas de soja y garbanzo: la uniformidad de tamaño influye en el comportamiento en siembra y en la eficiencia del procesado.
- Ensayos de mejora genética: se buscan variedades que produzcan resultados más uniformes.
- Procesado de alimentos: la maquinaria funciona mejor cuando la materia prima tiene dimensiones previsibles.
Como todos los objetos se miden con la misma escala calibrada, estos resúmenes son directamente comparables entre muestras y productos. Algunos resultados reales de Petiole Pro muestran cuánto cambia la dispersión según el producto:
| Muestra | Objetos contados | Área media (cm²) | Desviación típica (cm²) |
|---|---|---|---|
| Alubias negras | 1228 | 0,75 | 0,20 |
| Arándanos | 231 | 2,63 | 0,60 |
| Almendras | 118 | 3,56 | 0,72 |
| Uvas | 77 | 5,02 | 1,04 |
| Frambuesas | 56 | 5,99 | 1,07 |
| Fresas | 58 | 10,34 | 2,75 |
Medido con Petiole Pro sobre una placa calibrada. Los garbanzos, en comparación, promediaron 1,10 cm de diámetro con una desviación típica de solo 0,09 cm: una de las muestras más uniformes de todas.
87 % de exactitud: precisión frente a practicidad
La precisión importa en la agricultura y en la industria alimentaria, pero ¿cuánta precisión es suficiente? Veamos un ejemplo real: contar 1411 alubias negras. La aplicación devolvió 1228, es decir, un 87 % de exactitud. ¿Es un problema? No necesariamente.
Por qué una exactitud superior al 85 % puede ser un éxito:
- Rendimientos decrecientes. Perseguir el último 13 % puede costar más en tiempo y recursos de lo que vale. Un 87 % permite operar con rapidez sin renuncias importantes, y siempre se puede contar el resto a mano.
- La naturaleza no es uniforme. Una ligera variación es esperable y está contemplada en la mayoría de los flujos de trabajo. Mantenerse por encima del 85 % equilibra la garantía de calidad y el coste operativo.
- Escala bien. Un enfoque basado en móvil con este nivel de exactitud aguanta a medida que crece la operación: tanto si su equipo de calidad es de 10 personas como de 100, la exactitud se mantiene con volúmenes mayores.
El contexto lo es todo. Algunos sectores exigen mayor precisión; muchos funcionan perfectamente en este nivel. La habilidad está en entender sus necesidades concretas y optimizar en consecuencia, no en tratar el 100 % como el único objetivo aceptable.
La norma de la placa de calibración
¿Puede la aplicación contar bayas en una caja, en una bandeja o amontonadas? Sí: puede contar en casi cualquier condición. Pero en el momento en que quiere mediciones —diámetro, área media, desviación típica— la placa de calibración deja de ser una recomendación y pasa a ser una norma.
Una placa de calibración actúa como patrón de medida: una regla en la que el algoritmo puede confiar. Le indica a la IA el tamaño real de los objetos de la fotografía, de modo que los píxeles se conviertan en centímetros. Sin placa no hay mediciones: obtendrá ceros en el área y el diámetro cada vez. (Es posible medir el tamaño sin placa usando una cámara de profundidad, pero el procesamiento de profundidad en tiempo real en un móvil o una tableta exige hardware y presupuesto adicionales.)
La aplicación incluye una placa de calibración imprimible gratuita, y en la tienda de Petiole Pro pueden adquirirse placas de acrílico más resistentes. Si está valorando si necesita una para su flujo de trabajo, analizamos la decisión en detalle en ¿necesito una placa de calibración para Petiole Pro?
Qué se puede contar hoy
Los módulos de conteo ya abarcan bayas, semillas y frutos secos, con flujos de control de calidad específicos en la aplicación. Todos cuentan y miden; varios evalúan además el aspecto y el color.
Contar es solo la mitad de la historia: módulos como el de cacahuete leen además el color en espacio RGB, HSV y LAB para clasificar por aspecto, y los módulos de baya admiten comprobaciones visuales de calidad que afectan a la vida útil y a la comercialización.
Los objetos redondos son solo el principio. Su forma relativamente sencilla los convierte en la puerta de entrada ideal al conteo y la medición automáticos, y el mismo planteamiento ya se extiende a tareas relacionadas como el conteo de germinación con IA. El trabajo futuro abordará objetivos más difíciles: objetos irregulares, estructuras superpuestas, hojas, raíces y flores.
Creado primero para arándanos, pero los módulos son ampliables. Si cuenta un objeto redondo concreto que todavía no está cubierto, a menudo puede crearse un módulo dedicado para él.
Petiole Pro para conteo y control de calidad
Deje de contar semillas a mano
Cuente y mida arándanos, semillas, frutos secos, alubias y bayas desde su teléfono con la aplicación gratuita Petiole Pro: recuento, tamaño medio y desviación típica de una sola fotografía. Añada una placa de calibración para obtener cm² reales, o envíenos un lote de imágenes y reciba resultados limpios en CSV.
¿Cuenta un objeto redondo que todavía no cubrimos, o está planificando un ensayo de investigación o una línea de control de calidad basada en el conteo por imagen? Somos una empresa con sede en el Reino Unido y estaremos encantados de crear un módulo a medida o de sumarnos a un proyecto. Escríbanos a [email protected].
Preguntas frecuentes
¿Qué objetos redondos puede contar Petiole Pro?
Petiole Pro cuenta objetos redondos y casi redondos como arándanos, fresas, frambuesas, uvas, semillas de soja y garbanzo, cacahuetes, alubias, almendras y otros frutos secos, gránulos y muestras similares. Funcionan mejor los objetos con límites nítidos y buena separación de un fondo contrastado.
¿Qué exactitud tiene el conteo con teléfono móvil?
La exactitud depende de la muestra y de las condiciones, pero una imagen bien capturada suele situarse por encima del 85 %. En un ejemplo, contar 1411 alubias negras dio 1228: un 87 % de exactitud. Para muchas operaciones es un buen equilibrio entre rapidez y precisión, y el resto puede contarse a mano. Las muestras uniformes y bien separadas sobre un fondo contrastado obtienen los mejores resultados.
¿Necesito una placa de calibración para contar objetos?
Para contar, no: puede obtener un recuento sin ella. Pero para medir el tamaño (diámetro, área, desviación típica) la placa de calibración es obligatoria: da al algoritmo una escala real conocida para convertir píxeles en centímetros. Sin placa en la fotografía, las mediciones salen a 0,00. La aplicación incluye una placa gratuita y en la tienda de Petiole Pro hay placas de acrílico.
¿Qué es la desviación típica y por qué importa en el control de calidad?
La desviación típica mide cuánto varían los tamaños dentro de una muestra. Un valor bajo indica tamaños uniformes; uno alto, tamaños heterogéneos. Dos muestras pueden compartir el mismo tamaño medio y diferir mucho en consistencia, algo que importa a la distribución, a quienes envasan, a las casas de semilla y a la industria transformadora, que dependen de la uniformidad. Revela lo que una media por sí sola no puede.
¿Puede la aplicación contar objetos amontonados, en una caja o en una bandeja?
Sí: Petiole Pro puede contar en casi cualquier condición, incluidos montones y cajas, sin necesidad de separar cada unidad. Ahora bien, para obtener mediciones de tamaño sigue haciendo falta una placa de calibración en el encuadre; de lo contrario obtendrá el recuento, pero ceros en área y diámetro.
¿Cómo cuento semillas o bayas con mi teléfono?
Reparta la muestra en una sola capa sobre un fondo contrastado, añada una placa de calibración y fotografíe desde justo encima con luz uniforme (la luz natural es ideal). Abra el módulo correspondiente en la aplicación Petiole Pro, cargue la fotografía y lea el recuento y las estadísticas en pantalla. Tomar varias fotos y quedarse con el mejor resultado es una buena práctica.
¿El conteo de Petiole Pro es gratuito?
La aplicación móvil Petiole Pro es gratuita e incluye una placa de calibración imprimible. Pueden adquirirse placas de acrílico más resistentes y, para flujos de trabajo grandes o especializados —incluidos módulos a medida para un objeto redondo concreto—, puede ponerse en contacto con el equipo.