Copyrights. AjoFresh,
2026. Todos los derechos reservados.
En un mercado global donde el ajo español compite por los contratos más exigentes, cada cabeza cuenta. Los mayoristas y las centrales de manipulación se enfrentan a una presión constante por reducir mermas, garantizar lotes homogéneos y cumplir los estándares de calibre que imponen los mercados internacionales. La automatización con visión artificial ha dejado de ser una promesa futurista para convertirse en la herramienta que ya está transformando el proceso de calibrado, combinando cámaras industriales, algoritmos de aprendizaje profundo y una gestión inteligente de los datos.
Mientras que la vista humana se fatiga, comete errores y no puede sostener el ritmo de líneas de producción de alta capacidad, los sistemas de visión artificial inspeccionan el 100 % de los ajos que pasan por la cinta, clasifican por diámetro con precisión milimétrica, detectan defectos ocultos y aportan la trazabilidad que exige la exportación moderna. Este artículo explica cómo estas tecnologías están ayudando a los mayoristas de ajo español a convertir un cuello de botella tradicional en una ventaja competitiva.
El calibrado –clasificar los bulbos por tamaño según la normativa de comercialización– es una etapa crítica que afecta directamente al valor del producto. Un lote mal calibrado puede ser rechazado por el importador, depreciado en precio o generar mermas innecesarias al enviar ajos que realmente corresponden a un calibre superior. Los mayoristas que trabajan a gran escala necesitan sistemas capaces de procesar toneladas cada hora sin perder exactitud.
Durante años esta tarea se ha realizado de forma manual o con calibradores mecánicos de rodillos y mallas, que presentan limitaciones importantes: rompen la fina película de protección del ajo, no detectan defectos interiores y ofrecen una precisión de calibre limitada a los ajustes físicos de la máquina. La incorporación de la visión artificial elimina estas ineficiencias y añade inteligencia al proceso: ahora la máquina no solo mide, sino que inspecciona, decide y aprende.
La visión artificial aplicada al ajo se basa en la captura de imágenes de alta resolución de cada bulbo mientras avanza por la línea de manipulación. Esas imágenes son procesadas en tiempo real por un software que analiza parámetros geométricos, color y textura para determinar el calibre exacto y detectar anomalías. El sistema envía entonces una señal al mecanismo de expulsión o clasificación, que separa el ajo en la salida correspondiente con total precisión.
Un sistema típico integra cuatro componentes clave: una cámara industrial con sensor de alta velocidad, una unidad de iluminación sincronizada que elimina sombras y reflejos, un procesador con algoritmos de inteligencia artificial entrenados para reconocer las características del ajo español, y una conexión con los autómatas de la línea que ejecutan las órdenes de clasificación. Todo ello se configura desde una plataforma central que recoge datos estadísticos de producción y calidad.
A diferencia de lo que muchos piensan, el éxito de la visión artificial no depende únicamente de la cámara, sino de una iluminación perfectamente sincronizada y estable. Los expertos en automatización industrial, como los de B&R, han demostrado que la luz ambiente variable puede estropear una inspección por visión. Por eso los sistemas modernos emplean iluminación estroboscópica con múltiples longitudes de onda que se adapta a cada producto, garantizando que la cámara capture la misma calidad de imagen aunque la luz exterior cambie.
En el caso del ajo, cuya superficie es irregular y presenta tonos que van del blanco al morado, una iluminación mal ajustada puede confundir la clasificación o enmascarar pequeños defectos. La sincronización a nivel de microsegundo entre cámara e iluminación permite congelar el movimiento en líneas de alta velocidad y obtener imágenes nítidas que el algoritmo interpreta sin ambigüedad.
Los sistemas actuales no se programan con reglas fijas; se entrenan con miles de imágenes de ajos reales para que los algoritmos de deep learning reconozcan patrones. Esto significa que pueden diferenciar un ajo ligeramente deforme que igualmente cumple el calibre de una unidad con podredumbre interna que debe ser rechazada. Además, la inteligencia artificial permite que el sistema mejore su rendimiento con el uso, adaptándose a nuevas variedades estacionales o a cambios en la presentación del producto.
Fabricantes como Omron o FANUC han desarrollado tecnologías de detección de defectos que requieren apenas diez imágenes de muestra para empezar a trabajar y que posteriormente refinan su criterio mediante redes neuronales. Esta capacidad de aprendizaje continuo es especialmente valiosa en el sector agroalimentario, donde la materia prima es viva y presenta variabilidad natural.
La adopción de visión artificial en el calibrado de ajo se traduce en resultados económicos inmediatos. Según experiencias con productos similares, como los pimientos procesados por la plataforma Tupl Vision, se multiplica por cinco el número de muestras inspeccionadas y la precisión salta del 75 % del método manual a más del 90 %. Para un mayorista que exporta contenedores cada semana, esta mejora de exactitud supone reducir drásticamente las reclamaciones por calibre y evitar pérdidas de producto que acaba como subproducto o residuo.
Además, al eliminar la manipulación mecánica agresiva se conserva mejor la integridad del bulbo, alargando la vida útil en destino. Los datos recogidos permiten realizar análisis de rendimiento por proveedor, variedad o campaña, facilitando la toma de decisiones de compra y la negociación con clientes internacionales que exigen informes de calidad rigurosos.
| Factor | Calibrado manual / mecánico tradicional | Calibrado con visión artificial e IA |
|---|---|---|
| Precisión de calibre | Aproximada, dependiente del operario y del desgaste de mallas | Milimétrica, constante para el 100 % del producto |
| Velocidad de inspección | Limitada por la capacidad humana o la mecánica | Muy alta; permite líneas de varias toneladas por hora |
| Detección de defectos | Solo los visibles externamente; fatiga visual | Externa e interna (color, textura, manchas incipientes) |
| Trato al producto | Riesgo de golpes y rotura de la túnica en sistemas de rodillos | Mínimo contacto, manipulación controlada |
| Datos de producción | Escasos o de registro manual lento | Generación automática de estadísticas, informes y trazabilidad |
| Errores y mermas | Altos; pérdida de producto aprovechable | Reducción significativa de falsos rechazos y ajuste fino del calibre |
La evolución de la visión artificial para productos frescos está empujada por tres grandes innovaciones que están siendo incorporadas progresivamente. La primera es la visión tridimensional (3D), que permite calcular el volumen del ajo y no solo su diámetro en dos dimensiones, algo fundamental para variedades irregulares. La segunda es la integración de la inteligencia artificial con aprendizaje por refuerzo, donde el sistema optimiza continuamente los umbrales de clasificación para maximizar el valor del lote. La tercera son los sistemas hiperespectrales, que analizan la composición química a través de la reflectancia en diferentes longitudes de onda, pudiendo detectar podredumbre interna o plagas antes de que sean visibles al ojo humano.
Estas tecnologías, que ya se aplican en recolección automatizada de fruta y en controles de calidad de la industria automovilística, encuentran en el ajo español un campo de aplicación con un retorno de inversión muy rápido. Salvador Giró, CEO de Infaimon, destaca que la robótica guiada por visión 3D y la inteligencia artificial analítica están llegando a un punto de madurez que las hace viables para centrales hortofrutícolas de tamaño medio, democratizando una capacidad que antes solo estaba al alcance de grandes multinacionales.
La selección de la solución adecuada no debe basarse únicamente en la resolución de la cámara. Es imprescindible evaluar el entorno de trabajo (polvo, humedad), la sincronización con el resto de la línea, la facilidad de configuración y, sobre todo, la capacidad del software para ser entrenado con las variedades específicas que maneja el mayorista. Una plataforma que utilice el mismo entorno de desarrollo que el resto de la automatización de la planta, como proponen B&R con Automation Studio o sistemas integrados tipo plug and produce, reduce los tiempos de puesta en marcha y el mantenimiento.
Otro aspecto crítico es la conectividad. Los sistemas modernos funcionan como dispositivos IIoT nativos, enviando datos a la nube o al ERP del mayorista sin necesidad de pasarelas complejas. Esta capacidad convierte a la línea de calibrado en una fuente de información estratégica: se puede saber en tiempo real cuántos ajos de cada calibre se están produciendo, el porcentaje de descarte por tipo de defecto y la eficiencia de la línea, facilitando una gestión basada en datos que antes era impensable.
Para el responsable de compras, el gerente de la central hortofrutícola o el comercial de exportación, el mensaje es claro: la inversión en visión artificial con inteligencia artificial aplicada al calibrado del ajo es una de las medidas con mayor impacto en la cuenta de resultados. Se traduce en lotes perfectamente homogéneos que cumplen las especificaciones del cliente, menos reclamaciones, mejor precio medio de venta y una reducción tangible de las mermas por descarte erróneo o daños durante la manipulación.
Además, disponer de informes automáticos de calidad y de un sistema que garantiza la uniformidad campaña tras campaña fortalece la imagen de la empresa ante los importadores más exigentes. La tecnología actual es madura, adaptable a distintos volúmenes de producción y su coste se amortiza rápidamente gracias al ahorro operativo y al aumento del valor del producto exportado. Optar por estos sistemas es, cada vez más, una decisión de competitividad a medio plazo.
Desde el punto de vista técnico, los sistemas de visión artificial para calibrado de ajo ofrecen una precisión de medición de diámetro con tolerancias inferiores al milímetro, incluso en líneas con velocidades superiores a dos metros por segundo, siempre que se cuide la integración de la iluminación estroboscópica sincronizada. La tendencia es la convergencia de visión 2D, 3D y técnicas hiperespectrales en una misma estación de inspección, lo que permitirá un control de calidad total sin multiplicar los puntos de parada.
Para los ingenieros de planta, la recomendación es priorizar soluciones con arquitectura abierta y conectividad nativa a buses industriales (como POWERLINK, EtherCAT o PROFINET) para garantizar una integración sin latencias con los PLCs y sistemas de ejecución de fabricación. La capacidad de reprogramar los clasificadores mediante el reentrenamiento de redes neuronales con nuevas imágenes de la campaña, sin depender del fabricante del sistema, otorga una flexibilidad estratégica que minimiza los costes de adaptación a nuevas variedades y exigencias de mercado.
Descubre nuestra selección de ajo al por mayor, perfecto para realzar sabores en tu cocina. Calidad premium y frescura garantizada en cada diente de ajo.