Inspección de tapones mediante visión artificial e IA: guía técnica

El tapón es el último elemento que se coloca en el envase y, a la vez, el que garantiza todo lo anterior. Un cierre defectuoso puede provocar fugas, contaminación microbiológica o pérdida de gas en bebidas carbonatadas. Además, es la primera parte del producto que el consumidor toca.

En líneas que superan las 30.000 o 40.000 unidades por hora, el control visual por parte de un operario es sencillamente inviable. Por eso, la inspección de tapones mediante visión artificial se ha convertido en un estándar en la industria del envasado.

El objetivo de un sistema de inspección de tapones es verificar el 100 % de los envases en línea, sin detener la producción. Su función es triple: detectar desviaciones, expulsar el envase no conforme y registrar los datos para la trazabilidad.

¿Qué defectos detecta un sistema de inspección de tapones?

Un sistema de inspección de tapones bien configurado cubre cinco familias de defectos.

Defectos geométricos y de posición

Son los más frecuentes y afectan directamente a la estanqueidad:

• Tapón ausente o fuera de posición: el envase llega sin cierre o con el tapón únicamente apoyado.
• Tapón ladeado, inclinado o con rosca cruzada (crooked cap / skewed cap): la rosca no engrana bien y el sellado falla, aunque parezca cerrado.
• Altura de inserción incorrecta: demasiado alta indica falta de apriete; demasiado baja, sobrepresión que puede deformar el cuello o el cierre.

Integridad del precinto de seguridad y anilla de inviolabilidad (tamper-evident)

La anilla de inviolabilidad demuestra al consumidor que el envase no se ha abierto. El sistema detecta puentes rotos antes del consumo, roturas parciales o anillas descolgadas, que generan reclamaciones, aunque el producto esté en perfecto estado.

El reto actual: inspección de tapones solidarios (tethered caps)

La directiva de la Unión Europea obliga a que los tapones de botellas de plástico de hasta 3 litros permanezcan unidos al envase. Esto exige verificar:

• La bisagra plástica: completa, sin cortes ni deformaciones.
• Que el tapón no interfiera en el llenado ni en el roscado.
• El cierre completo conforme a las normativas de sostenibilidad, con una geometría más compleja.

Defectos superficiales y de inyección

Proceden de la fabricación del tapón: rebabas, microfisuras, faltas de material, deformaciones y, en tapones metálicos o aerosoles, abolladuras. Al ser pequeños y de bajo contraste, exigen alta resolución e iluminación difusa o rasante.

Control de marcaje y codificación (OCR/OCV)

El sistema lee (OCR) y verifica (OCV) el lote, la fecha de caducidad o los códigos DataMatrix impresos en la parte superior o lateral del tapón, comprobando que sean legibles y correctos. Un código ilegible puede comprometer la trazabilidad de todo un lote.

Cómo funciona el sistema de inspección de tapones en línea

El sistema de inspección de tapones se instala a la salida de la roscadora o taponadora y trabaja sobre el transportador en movimiento. Se podrían considerar cuatro fases:

1. Detección y disparo: un sensor de distancia o fotoeléctrico detecta cada envase y lanza el disparo de las cámaras.
2. Iluminación y captura: varias cámaras capturan el tapón desde distintas posiciones para abarcar todo el tapón. A esta fase se le suele añadir iluminación para obtener una mayor resolución de las diferentes partes que se van a inspeccionar.
3. Análisis: el software realiza todas las mediciones de calidad pertinentes, como altura o geometría, y los modelos de IA clasifican cada imagen en pocos milisegundos.
4. Rechazo y registro: un soplador o empujador retira las unidades defectuosas, mientras el sistema guarda la imagen y el motivo del rechazo para analizar tendencias y causas raíz.

Visión artificial frente a Inteligencia Artificial (Deep Learning) en tapones

La visión artificial tradicional se basa en reglas programadas: umbrales de contraste, medición de bordes o comparación con un patrón. Es rápida, precisa y muy fiable para medidas geométricas estables, como la altura o la presencia del tapón. Su límite aparece cuando el defecto es variable o el entorno cambia: brillos en tapones metálicos, colores distintos, condensación o la bisagra de un tapón solidario generan falsos rechazos y obligan a reajustar parámetros continuamente.

El Deep Learning aprende a partir de imágenes etiquetadas de piezas buenas y defectuosas. Reconoce anomalías complejas, como microfisuras, anillas parcialmente rotas o rebabas irregulares, y tolera la variabilidad natural del producto. Además, simplifica los cambios de formato y referencia.

La arquitectura más robusta es híbrida: visión clásica para medir y verificar dimensiones, y redes neuronales convolucionales (CNN) para clasificar defectos cosméticos complejos.

Inspección combinada: tapón y nivel de llenado (Cap & Fill check)

Integrar ambas verificaciones en una única estación aprovecha la misma captura para controlar el cierre y el volumen. Mediante retroiluminación, el sistema ve el contorno del líquido a contraluz y mide su altura. Es la opción natural para envases transparentes, como PET o vidrio claro. Detecta envases con falta o exceso de llenado, incluso distinguiendo la espuma en bebidas carbonatadas. En envases opacos se complementa con sensores de rayos X o infrarrojos.

Esta inspección combinada reduce espacio en línea y costes de equipos y, además, permite correlacionar defectos: un nivel bajo junto a un tapón mal apretado suele señalar un problema en la llenadora o en el cabezal de taponado. Todo ello sin añadir paradas ni puntos de rechazo adicionales.

Sectores donde la inspección de tapones es crítica

Alimentación y bebida

En botellas PET, vidrio, bricks y garrafas de aguas, refrescos, aceites, lácteos y licores, el sistema garantiza la estanqueidad, conserva la carbonatación y protege la seguridad alimentaria a altas velocidades de producción. Además, verifica la codificación de lote y caducidad exigida para la trazabilidad.

Farmacéutica y cosmética

Frascos con cuentagotas, tapones con precinto CRC (child-resistant) y bombas dosificadoras requieren un cierre perfecto por seguridad del paciente y cumplimiento normativo. En cosmética de lujo, además, se exigen acabados estéticos impecables, sin arañazos ni marcas. La lectura de códigos DataMatrix resulta clave para cumplir la serialización.

Químico y del Hogar / Aerosoles

En detergentes, lubricantes y aerosoles con pulsador o difusor integrado, un cierre defectuoso puede provocar fugas de sustancias peligrosas durante el transporte o el uso. Controlar los cierres de seguridad evita accidentes domésticos y costosas reclamaciones.

En todos estos sectores, la inspección de tapones con visión artificial e IA protege al consumidor, reduce mermas y refuerza la reputación de la marca en cada unidad producida.

Casos prácticos y soluciones desarrolladas por ATRIA

En ATRIA contamos con un equipo capaz de desarrollar aplicaciones de automatización y visión artificial a medida, desde el algoritmo hasta la integración en planta.

Algunos proyectos representativos:

• INSPEC: detección de grietas y defectos superficiales en piezas prensadas de automoción mediante redes neuronales, con una tasa de detección superior al 90 % de los defectos de interés.
• Inspección del montaje de asientos: cámara y sensor láser de profundidad embarcados en un robot colaborativo, con algoritmo propio basado en redes convolucionales para verificar cinco puntos críticos.
• SEPARA y SIARA: visión artificial y Deep Learning para identificar envases de plástico, latas y briks en plantas de selección.

Esta experiencia en defectos superficiales, verificación de montajes y variabilidad de envases es directamente aplicable a la inspección de tapones.

¿Quieres saber más sobre inspección de tapones? ¡Contáctanos!