2026-04-03T17:38:04Zhttps://recercat.cat/oai/request

oai:recercat.cat:2117/4600022026-04-02T19:18:55Zcom_2072_1033col_2072_452951

00925njm 22002777a 4500 dc Cervera Moreno, Carles author 2026-01-23 En la indústria de l'embotellat, garantir la qualitat del producte és un repte essencial per evitar pèrdues econòmiques, reclamacions i riscos sanitaris. La revisió manual ja no garanteix la qualitat necessària en línies de producció d'alta velocitat. En aquest context, s'ha desenvolupat un sistema d'inspecció automatitzada basat en intel·ligència artificial capaç de detectar defectes visuals en ampolles. El projecte combina tècniques de visió per computador i diferents enfocaments d'IA com són les xarxes neuronals convolucionals, models generatius multimodals i models especialitzats en visió que s'entrenen i s'avaluen a partir d'imatges reals. Els resultats obtinguts es comparen mitjançant mètriques objectives per determinar la tecnologia més adequada. Finalment, el sistema es posa a disposició de l'usuari mitjançant una interfície intuïtiva. L'aplicació es presenta amb una arquitectura modular que facilita el manteniment i l'escalabilitat, i inclou exemples reals de detecció amb els diferents models provats. In the bottling industry, ensuring product quality is an essential challenge to avoid economic losses, customer complaints, and health risks. Manual inspection no longer guarantees the required quality in high-speed production lines. In this context, an automated inspection system based on artificial intelligence has been developed to detect visual defects in bottles. The project combines computer vision techniques and different AI approaches, such as convolutional neural networks, multimodal generative models, and vision-specialized models that are trained and evaluated using real images. The obtained results are compared using objective metrics to determine the most suitable technology. Finally, the system is made available to the user through an intuitive interface. The application is presented with a modular architecture that facilitates maintenance and scalability, and it includes real examples of detection using the different tested models. En la industria del embotellado, garantizar la calidad del producto es un reto esencial para evitar pérdidas económicas, reclamaciones y riesgos sanitarios. La inspección manual ya no garantiza la calidad necesaria en líneas de producción de alta velocidad. En este contexto, se ha desarrollado un sistema de inspección automatizada basado en inteligencia artificial capaz de detectar defectos visuales en botellas. El proyecto combina técnicas de visión por computador y diferentes enfoques de IA, como redes neuronales convolucionales, modelos generativos multimodales y modelos especializados en visión, que se entrenan y evalúan a partir de imágenes reales. Los resultados obtenidos se comparan mediante métricas objetivas para determinar la tecnología más adecuada. Finalmente, el sistema se pone a disposición del usuario a través de una interfaz intuitiva. La aplicación se presenta con una arquitectura modular que facilita el mantenimiento y la escalabilidad, e incluye ejemplos reales de detección con los diferentes modelos probados. Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic Neural networks (Computer science) Computer vision Deep learning Bottles Intel·ligència artificial Visió per computador Xarxes neuronals convolucionals Aprenentatge profund Transfer learning Models multimodals Vision-language models Prompt engineering Inferència Artificial Intelligence Computer vision Convolutional Neural Networks Deep Learning Inference Xarxes neuronals (Informàtica) Visió per ordinador Aprenentatge profund Ampolles Desenvolupament d'un sistema d'inspecció automatitzada d'ampolles basat en Intel·ligència Artificial per a línies de producció