Qué hace el ordenador en un sistema de visión
Recibe las imágenes de las cámaras, las prepara (recorte, corrección de luz, alineado), ejecuta el algoritmo o el modelo de inteligencia artificial y devuelve una decisión: pieza buena o defectuosa, medida dentro o fuera de tolerancia, código leído o no. Esa decisión llega al autómata de la línea, que aparta la pieza o detiene la máquina.
Todo eso ocurre dentro de un tiempo máximo por pieza, que marca la velocidad de la línea. Por eso el ordenador no se elige por la ficha más potente, sino por lo que tiene que hacer dentro de ese tiempo, con todas las cámaras a la vez y durante turnos enteros.
La gráfica: dimensiónala por el modelo, no por el catálogo
Si el sistema usa aprendizaje profundo (clasificación, detección o segmentación de defectos), la inferencia corre en la GPU. Lo que la limita es su memoria (VRAM): tiene que caber el modelo, las imágenes que se procesan a la vez y, si hay varios modelos, todos ellos.
Como orientación: un modelo de detección o clasificación con una o dos cámaras funciona bien en una gráfica de 8 a 16 GB; varias cámaras de alta resolución, segmentación o varios modelos a la vez piden de 16 a 32 GB. En líneas que trabajan las 24 horas, las RTX PRO aportan memoria con ECC, consumos contenidos (la RTX PRO 2000 Blackwell gasta 70 W y es de perfil bajo) y versiones de una sola ranura para cajas compactas.
Cámaras e interfaces: cada una pide un puerto distinto
GigE Vision es la más común en industria: cámaras por cable de red, a menudo alimentadas por PoE. Conviene una tarjeta de red con un puerto por cámara (o un switch dedicado) y tramas jumbo activadas, para que las imágenes no compitan con el resto del tráfico.
USB3 Vision es sencilla y barata, pero cada cámara necesita ancho de banda propio: mejor controladoras USB independientes que un concentrador. CoaXPress y Camera Link usan una tarjeta de captura en una ranura PCIe, así que hay que contar ranuras y líneas PCIe libres además de las de la gráfica.
Procesador, memoria y disco
El procesador prepara las imágenes, gestiona las cámaras y ejecuta la visión clásica (medidas, plantillas, lectura de códigos), que muchas veces no necesita GPU. Con varias cámaras, más núcleos ayudan. La memoria, de 32 a 64 GB según el número de cámaras y el tamaño de las imágenes.
El disco depende de cuánto guardéis: una cámara de 5 megapíxeles en monocromo a 20 imágenes por segundo genera unos 100 MB/s. Guardar todo pide NVMe rápido y mucha capacidad; lo habitual es guardar solo las piezas rechazadas y una muestra de las buenas, para reentrenar el modelo.
Formato: armario, máquina o puesto
Sin aprendizaje profundo, un PC industrial sin ventiladores va dentro del armario eléctrico, en carril DIN o en la propia máquina, sin piezas móviles que se llenen de polvo. Con GPU, un compacto con ventilación filtrada o una torre en el armario de control. Si el entorno es exigente (vibraciones, polvo, humedad), una gama industrial con ensayos MIL-STD-810H.
Mira también la alimentación (muchos armarios dan 24 V de continua), el arranque automático tras un corte de luz y que el equipo se pruebe dentro de su caja definitiva, no en una mesa.
Conexión con el autómata y con la fábrica
La decisión tiene que llegar al autómata: por entradas y salidas digitales (para disparar la cámara y apartar la pieza) o por un bus industrial como Profinet, EtherNet/IP, Modbus TCP u OPC UA, según lo que use la línea. Si hace falta, se añade una tarjeta de E/S o un segundo puerto de red dedicado.
Además, un watchdog que reinicie el equipo si se cuelga y una imagen de sistema congelada, para que todos los equipos de la planta sean iguales y se puedan sustituir en minutos.
Puntos de partida orientativos
| Caso | Formato | Punto de partida |
|---|---|---|
| Visión clásica: medidas, presencia, lectura de códigos | PC industrial sin ventiladores | Procesador de bajo consumo, 16 GB, sin GPU, carril DIN |
| 1 o 2 cámaras con un modelo de detección | Compacto con GPU | GPU de 16 GB (RTX 5060 Ti o RTX PRO 2000), 32 GB de RAM |
| 4 a 8 cámaras GigE con aprendizaje profundo | Torre o compacto de 10 litros | GPU de 16 a 24 GB (RTX 5070 Ti o RTX PRO 4000), 64 GB, red de varios puertos |
| Alta resolución, segmentación o varios modelos | Torre en armario de control | GPU de 32 GB (RTX PRO 4500 o RTX 5090), 64 a 128 GB, NVMe para imágenes |
Si el sistema es tu producto: la misma máquina durante años
Cuando el sistema de visión es lo que vendes, el problema cambia: necesitas que el ordenador sea igual en la unidad uno y en la cien, durante años, con tu imagen cargada y un número de serie trazable. Para eso está el programa OEM: plataforma congelada, prueba de 24 horas por unidad y recambio inmediato.
Equipos y guías relacionados
Preguntas frecuentes
¿Hace falta GPU para visión artificial?
Para visión clásica (medidas, plantillas, lectura de códigos) suele bastar el procesador. Si el sistema usa aprendizaje profundo para detectar o clasificar defectos, la GPU es la que permite hacerlo a la velocidad de la línea.
¿Sirve una gráfica GeForce?
Para muchos sistemas, sí. Una RTX PRO aporta memoria con ECC, consumos más bajos y formatos de una ranura o de perfil bajo, útiles en equipos compactos que trabajan las 24 horas.
¿Podéis cargar nuestro software y nuestra imagen?
Sí. Montamos el equipo, cargamos vuestra imagen de sistema, lo probamos 24 horas y lo entregamos con número de serie. En series, dentro del programa OEM.
¿Nos cuentas tu sistema de visión?
Dinos cuántas cámaras, qué resolución y qué modelo usáis. Te proponemos el equipo por escrito en menos de 12 horas laborables.