Visión computacional aplicada a la detección de imperfecciones en mantas de tejido punto elaboradas con fibras de alpaca

Abstract

La industria textil peruana dedicada a productos de fibra de alpaca requiere controles de calidad para identificar imperfecciones en los tejidos. En las mantas de tejido punto, los huecos y puntos corridos se detectan principalmente mediante inspección manual, sujeta a variaciones derivadas del criterio del inspector. Esta investigación tuvo como objetivo implementar un módulo de visión computacional para detectar automáticamente estas imperfecciones. El estudio fue de enfoque cuantitativo y de tipo aplicado. Se construyó un conjunto de datos propio de 549 imágenes, anotadas en formato YOLO y distribuidas en conjuntos de entrenamiento, validación y prueba. Se entrenaron y compararon tres configuraciones de YOLOv5L con distintas estrategias de optimización, función de pérdida y aumento de datos. El Experimento 3, basado en aumento de datos avanzado, obtuvo el mejor desempeño en el conjunto de prueba: precisión de 0,983, recall de 0,966, mAP@50 de 0,990 y mAP@50-95 de 0,675. El modelo seleccionado se integró en un prototipo con cámara en vivo que muestra cuadros delimitadores, clases, niveles de confianza y velocidad de procesamiento. Los resultados evidencian que el módulo permite detectar las imperfecciones estudiadas en un entorno controlado. No obstante, no se evaluaron su desempeño en una línea de producción industrial ni su impacto en los retrabajos, costos y rentabilidad.