A medida que los fabricantes globales se esfuerzan por adoptar la Industria 4.0 para mejorar la productividad y la agilidad, la inspección visual automatizada se ha convertido en un elemento crítico en las líneas de producción modernas. Los sistemas de visión tradicionales basados en reglas a menudo no logran manejar patrones de defectos complejos o entornos dinámicos. En contraste, las soluciones basadas en aprendizaje profundo, aunque potentes, son típicamente difíciles de desarrollar y desplegar, requiriendo experiencia en codificación de IA e infraestructura computacional costosa. El mercado ahora demanda una forma más inteligente, rápida y accesible de implementar el control de calidad impulsado por IA directamente en el borde, ofreciendo resultados en tiempo real sin sacrificar la precisión o la escalabilidad. Este enfoque innovador asegura que los fabricantes puedan mantener altos estándares de calidad mientras optimizan la eficiencia operativa.
En Automation Taipei 2025, Portwell y Neurocle presentan conjuntamente una solución de inspección visual impulsada por IA lista para desplegar, diseñada para satisfacer las crecientes necesidades de la manufactura inteligente. Esta colaboración combina las plataformas de computación en el borde basadas en módulos NVIDIA® Jetson de grado industrial de Portwell con el software de visión Auto Deep Learning de Neurocle para agilizar el entrenamiento, despliegue e inferencia de modelos de inspección en el borde. Esta solución conjunta permite a los fabricantes implementar rápidamente sistemas de inspección de IA robustos sin requerir conocimientos especializados en aprendizaje profundo, reduciendo el tiempo de despliegue mientras mejora la precisión, velocidad y escalabilidad de la inspección.
Neurocle aporta a la asociación su software de Inspección Visual Auto Deep Learning y API de ejecución—Neuro-T y Neuro-R—diseñados para simplificar y acelerar la creación de modelos de aprendizaje profundo de alto rendimiento y su despliegue en una amplia gama de plataformas para la inspección visual. Neuro-T, un software basado en GUI y sin código para entrenar modelos de aprendizaje profundo relacionados con imágenes, empodera a los usuarios, incluso a los no expertos, para crear modelos de IA potentes sin un extenso conocimiento en aprendizaje profundo, aprovechando la optimización automatizada de la arquitectura del modelo y los hiperparámetros. Una vez entrenados, los modelos se despliegan utilizando Neuro-R, una biblioteca de ejecución que soporta inferencia en tiempo real en varias plataformas, desde CPUs y GPUs hasta dispositivos embebidos en el borde. Los modelos ligeros y de alta precisión de Neurocle son particularmente adecuados para la inspección industrial en tiempo real, ofreciendo una excelente precisión incluso en entornos de alta resolución o con limitaciones computacionales.
La serie de sistemas de computación en el borde PJAI de Portwell, que incluye el PJAI-100 y PJAI-200, forma la columna vertebral de hardware de esta solución colaborativa. El PJAI-100, construido sobre el módulo NVIDIA Jetson Orin™ NX o el módulo Jetson Orin Nano™, proporciona hasta 100 TOPS de rendimiento de IA en un sistema compacto y sin ventilador, ideal para despliegue en el borde. Para tareas más intensivas, el PJAI-200, alimentado por el módulo NVIDIA Jetson AGX Orin™, ofrece hasta 200 TOPS y un amplio soporte de E/S, incluyendo 12 puertos PoE y conectividad 10GbE, asegurando una integración robusta con múltiples cámaras y dispositivos de alto rendimiento. Ambas plataformas ofrecen fiabilidad térmica de grado industrial y conectividad sin interrupciones, lo que las hace perfectas para aplicaciones de automatización industrial críticas.
Esta demostración en Automation Taipei destaca dos aplicaciones poderosas de entornos de producción del mundo real. La primera es un modelo para detectar y clasificar pernos en ruedas automotrices, asegurando un ensamblaje correcto y la seguridad del vehículo. La segunda realiza OCR y segmentación en superficies de baterías tipo pouch, permitiendo la verificación automática de números de serie en líneas de producción de baterías. Estos casos de uso muestran la fortaleza de los modelos de inferencia de Neurocle funcionando sin problemas en los sistemas de borde de Portwell, logrando una inspección rápida, precisa y escalable directamente en el borde. La solución también es altamente adaptable en sectores como electrónica, semiconductores y manufactura de precisión.
A través de esta asociación, Portwell y Neurocle demuestran un fuerte compromiso para habilitar una manufactura más inteligente a través de la innovación en IA. Su solución integrada cierra la brecha entre la compleja tecnología de visión de IA y el despliegue práctico en entornos industriales. Al hacer que el aprendizaje profundo y la inferencia en tiempo real sean más accesibles y escalables, la colaboración apoya la adopción más amplia de prácticas de Industria 4.0, empoderando a las fábricas para mejorar el control de calidad, reducir costos y mantenerse competitivas en un mercado en rápida evolución.
