DETECCIÓN EN TIEMPO REAL DE PAQUETES DEFECTUOSOS EN LÍNEAS DE PRODUCCIÓN DE PAPEL HIGIÉNICO MEDIANTE REDES NEURONALES CONVOLUCIONALES POR ANÁLISIS DE CUADRANTES

Resumen

Los rollos de papel higiénico son un producto de alta producción y comercialización en la industria ecuatoriana; la ausencia de rollos dentro de un paquete en una línea de producción genera pérdidas operativas. El presente artículo propone la implementación de un sistema de visión artificial basado en redes neuronales convolucionales con transfer learning sobre MobileNetV2, orientado a la detección automática de paquetes de papel higiénico en una jornada laboral. El núcleo metodológico presenta un enfoque de clasificación por cuadrantes de tres filas por dos columnas, lo que permite analizar individualmente los seis rollos que componen cada cuadrante. A partir de 100 imágenes originales, se construyó un conjunto de imágenes de 572 cuadrantes etiquetados, con una distribución balanceada. El modelo entrenado alcanzó un desempeño satisfactorio con una métrica de AUROC igual a 0.9978 y una exactitud del 97% en la validación durante el entrenamiento. Durante la fase de validación en condiciones representativas de producción y en un ambiente controlado, se diseñaron tres escenarios: uno con datos completamente defectuosos, otro con datos totalmente conformes y un tercero con selección aleatoria. Estos escenarios se ejecutaron mediante 38 simulaciones, número que corresponde a la capacidad productiva diaria (38 tirajes). En total, se analizaron 1996 imágenes, obteniendo resultados sobresalientes en recall de 1.00 y precisión de 1.00. Se realizó un análisis estadístico donde se obtuvo p < 0.000001, lo cual corroboró que el número de defectos detectados por el modelo coincide exactamente con el número real de defectos introducidos, validando con un nivel de confianza del 95%.