Sistema de Posicionamiento de Precisión para Puente Grúa LXD/DXT

En talleres modernos de metalurgia, construcción naval y fabricación de equipos pesados, el puente grúa se encarga de la elevación, el transporte y el posicionamiento de bobinas de acero, chapas de acero, equipos de gran tamaño y moldes. La operación tradicional depende de la experiencia visual del operador y de la comunicación verbal con el personal de tierra, lo que se traduce en una baja precisión de posicionamiento, cuellos de botella evidentes en la eficiencia y riesgos de seguridad derivados de los ángulos muertos de visión. Con el avance de la Industria 4.0 y la Fabricación Inteligente, las tecnologías de identificación visual y posicionamiento basadas en aprendizaje profundo están revolucionando las operaciones de elevación con puente grúa. Este artículo describe de forma sistemática la arquitectura de ingeniería, la ruta de implementación y los algoritmos clave de un sistema de identificación visual y posicionamiento de precisión de cargas basado en YOLOv8, ofreciendo una referencia técnica completa para la actualización inteligente de puentes grúa.

Arquitectura general del sistema de posicionamiento visual

El sistema de identificación visual y posicionamiento de precisión para cargas de puente grúa adopta un diseño de arquitectura de cuatro capas: capa de percepción, capa de inferencia, capa de transformación y capa de control, de abajo hacia arriba. Las capas se interconectan mediante Ethernet industrial de alta velocidad y bus de campo industrial, formando un lazo cerrado de control.

Capa de percepción: es la puerta de entrada de datos del sistema. Una cámara industrial de tipo matricial, instalada bajo la viga principal del puente grúa, captura imágenes en tiempo real de la zona de carga. La cámara, de Hikvision o Basler, ofrece una resolución de 5 a 12 megapíxeles y cuenta con iluminación LED estroboscópica para compensar las variaciones de iluminación y las sombras del taller. Las imágenes se transmiten al nodo de Computación en el Borde mediante interfaz GigE Vision, garantizando una transmisión estable a alta velocidad de fotogramas (hasta 60 fps). El hardware de la capa de percepción está alojado en una carcasa de aleación de aluminio con Grado de Protección IP67, adecuada para entornos con alta concentración de polvo, altas temperaturas e interferencias electromagnéticas en talleres metalúrgicos.

Capa de inferencia: utiliza NVIDIA Jetson Orin NX como plataforma de cómputo principal y ejecuta el modelo de detección de objetos YOLOv8. Este módulo ofrece hasta 100 TOPS de potencia de cálculo de IA y puede completar la inferencia de imágenes de 1920×1080 píxeles en 15 ms, cumpliendo los requisitos de tiempo real. La capa de inferencia recibe el flujo de imágenes sin procesar de la capa de percepción y genera las coordenadas del cuadro delimitador, la etiqueta de clasificación y la puntuación de confianza de cada objeto de carga en el sistema de coordenadas de la imagen. Además, ejecuta algoritmos de preprocesamiento de imagen, como ecualización de histograma, ajuste de contraste adaptativo y recorte de la región de interés (ROI), para mejorar la robustez de la detección en condiciones de iluminación complejas.

Capa de transformación: ejecuta el algoritmo central de transformación de coordenadas. Utilizando la matriz de parámetros intrínsecos de la cámara y la matriz de transformación de perspectiva previamente calibradas, mapea las coordenadas de píxeles de la capa de inferencia a coordenadas del sistema de coordenadas del mundo en el plano del suelo (en mm). Esta capa también realiza la corrección de traslación y rotación del sistema de coordenadas para eliminar la distorsión de proyección causada por el ángulo y la altura de montaje de la cámara. El cálculo de la transformación de coordenadas emplea interpolación bilineal y optimización a nivel de subpíxel, garantizando que la precisión de la transformación cumpla los requisitos de posicionamiento industrial.

Capa de control: a través de una pasarela de Ethernet industrial PROFINET, envía las coordenadas de posición de la carga calculadas y la desviación de alineación del equipo al sistema de control del puente grúa (PLC Siemens S7-1200/1500). El PLC recibe los datos de desviación y, según el algoritmo de Control de Lazo Cerrado de posición predefinido, genera las instrucciones de movimiento para el Carro Puente, el Carro y el mecanismo de elevación, logrando una alineación automática y una colocación precisa. La capa de control también gestiona la interacción de datos con el sistema MES y el Sistema de Monitoreo de Seguridad, cargando los resultados de posicionamiento y el estado del equipo en tiempo real a la plataforma de gestión del taller.

La ventaja del diseño de cuatro capas radica en el desacoplamiento claro de los módulos y la estandarización de las interfaces. La actualización o sustitución de cualquier capa (como la actualización de la versión del modelo o el ajuste de los parámetros de la cámara) no afecta al funcionamiento normal de las demás capas, lo que reduce significativamente la dificultad de mantenimiento e iteración del sistema. La latencia de procesamiento de extremo a extremo de todo el sistema se controla por debajo de 100 ms, cumpliendo los requisitos de control en tiempo real para el funcionamiento del puente grúa a baja velocidad (≤20 m/min).

A continuación se presenta una tabla comparativa de los modelos de cámara industrial compatibles con el sistema, como referencia para la selección:

2. Detección y clasificación de cargas suspendidas

La detección precisa y la clasificación detallada de la carga suspendida constituyen la etapa preliminar fundamental de todo el sistema de posicionamiento visual. El sistema emplea YOLOv8 (variante Ultralytics YOLOv8s) como modelo de detección principal, entrenado mediante aprendizaje por transferencia sobre un conjunto de datos propio de cargas suspendidas, logrando el reconocimiento en tiempo real de cuatro tipos principales de carga.

Definición de categorías de detección (Hook_Load): el sistema agrupa todas las cargas suspendidas bajo la categoría general Hook_Load, subdividida en cuatro subclases: Steel_Coil (bobina de acero), Steel_Plate (chapa de acero), Equipment (equipo) y Mold (molde). Las bobinas de acero presentan forma cilíndrica, con superficies frecuentemente afectadas por corrosión y texturas de flejes de amarre; las chapas de acero son láminas metálicas planas de gran superficie, con fuerte reflectividad y bordes afilados; los equipos comprenden componentes de maquinaria pesada (como bastidores de laminador o carcasas de reductor), de geometría irregular pero rasgos distintivos; los moldes se caracterizan por contornos de cavidad precisos y columnas guía. Las diferencias significativas en dimensiones, forma y textura superficial entre las cuatro categorías exigen que el modelo posea una sólida capacidad de discriminación interclase.

Construcción del conjunto de datos y anotación: el equipo del proyecto recopiló imágenes reales de múltiples talleres metalúrgicos y de maquinaria pesada, abarcando diversas condiciones de iluminación (día despejado, nublado, iluminación artificial nocturna) y distintas posturas de carga (plena, vacía, descentrada). Se capturaron más de 12.000 imágenes originales, de las cuales se conservaron 8.500 muestras válidas tras el filtrado de calidad. Las categorías y cajas de detección se anotaron individualmente con la herramienta LabelImg en formato COCO, con la especificación de que las cajas deben ajustarse al contorno real de la carga, sin dejar un margen superior a 5 píxeles. Durante la anotación se prestó especial atención a escenarios de oclusión severa (como bobinas apiladas) y objetos pequeños (como moldes distantes), para garantizar la capacidad de generalización del modelo.

Estrategia de aumento de datos: para mejorar la generalización y la robustez frente a interferencias, el pipeline de entrenamiento integra una amplia estrategia de aumento de datos: (1) aumento Mosaic — combina aleatoriamente cuatro imágenes de entrenamiento en una sola, lo que obliga al modelo a aprender representaciones de objetos en contextos complejos, con resultados notables para objetos pequeños y escenarios de oclusión; (2) aumento MixUp — mezcla dos imágenes y sus etiquetas en proporción aleatoria, introduciendo combinaciones adicionales de disposición de objetos; (3) perturbación del espacio de color HSV — el tono (H), la saturación (S) y el valor (V) se ajustan aleatoriamente en rangos de ±30°, ±50% y ±50% respectivamente, simulando variaciones de iluminación y temperatura de color en el taller; (4) escalado y recorte aleatorios — simula cambios en el campo de visión según la altura de trabajo de la cámara; (5) ruido gaussiano y desenfoque de movimiento — simula el ruido del sensor de la cámara industrial y el arrastre de imagen cuando la carga se desplaza rápidamente. Tras el aumento, el tamaño efectivo del conjunto de entrenamiento se amplía a aproximadamente 60.000 imágenes.

Entrenamiento y despliegue del modelo: el entrenamiento se basa en los pesos preentrenados de YOLOv8s, con imágenes de entrada de 640×640, optimizador AdamW, tasa de aprendizaje inicial de 0,001, programación de tasa de aprendizaje por recocido de coseno y un total de 300 épocas. El proceso se completó en una GPU NVIDIA RTX 4090 en aproximadamente 18 horas. Los resultados de evaluación en el conjunto de validación (1.000 muestras independientes) son: mAP@0.5 de 0,962, mAP@0.5:0.95 de 0,738, y velocidad de inferencia de 12~18 ms por fotograma en Jetson Orin NX (con optimización TensorRT FP16). Las cajas de detección se emiten en formato (x_center, y_center, width, height), normalizadas al intervalo [0,1], y se convierten mediante el módulo de posprocesamiento a coordenadas de píxel de la imagen original para su uso en la capa de transformación de coordenadas.

3. Calibración de cámara y transformación de coordenadas

La conversión precisa de las coordenadas de píxel generadas por el modelo de detección en coordenadas del mundo real sobre el plano del suelo constituye el núcleo técnico del posicionamiento guiado por visión. El sistema emplea un «método de calibración en dos pasos»: primero se realiza la calibración de parámetros intrínsecos para corregir la distorsión del objetivo, y a continuación la calibración de parámetros extrínsecos para establecer la correspondencia entre píxeles y el plano del suelo, completando finalmente la conversión a nivel subpíxel mediante la matriz de transformación de perspectiva.

El proceso de calibración en tres pasos (verificación de precisión de parámetros intrínsecos y extrínsecos) establece una cadena de mapeo completa desde las coordenadas de píxel hasta las coordenadas del mundo en el plano del suelo, con un error medio global de 3,2mm, cumpliendo el requisito de precisión de repetición de posicionamiento de ±5mm.

Cabe destacar que, cuando la cámara sufre un desplazamiento mínimo debido a las vibraciones del puente grúa en funcionamiento, los parámetros de calibración pueden experimentar deriva. El sistema incorpora un esquema de calibración automática periódica: utiliza marcadores de referencia de código QR fijados en el suelo para ejecutar automáticamente la verificación y el ajuste fino de los parámetros extrínsecos en cada arranque del sistema o cada 2 horas de operación, garantizando la estabilidad y fiabilidad de la precisión de la transformación de coordenadas a largo plazo. Este esquema cumple con los requisitos de mantenimiento de precisión del sistema de posicionamiento establecidos en la norma JB/T 1306-2018 para Grúa Monoviga Eléctrica y en la norma ISO 4301 para el diseño de aparatos de elevación.

Estrategia de alineación por visión artificial

La alineación guiada por visión es el objetivo de control final de todo el sistema, abarcando el Control de Lazo Cerrado completo desde la identificación de la carga hasta la ejecución del posicionamiento. El sistema integra la percepción visual, el mapeo de coordenadas, el cálculo de desviación y el control de movimiento PLC en una estrategia de control unificada, logrando la alineación automática y precisa de la carga suspendida del puente grúa.

Proceso de alineación: El flujo completo se divide en cinco fases. (1) Identificación y bloqueo de la carga — el modelo YOLOv8 detecta en tiempo real el tipo de carga suspendida y genera un cuadro de detección; el sistema bloquea el objetivo basándose en el punto central del cuadro y el resultado de clasificación, generando simultáneamente una región de interés (ROI) de seguimiento dinámico alrededor del objetivo para reducir el volumen de datos de imagen en el procesamiento posterior. (2) Mapeo de coordenadas — las coordenadas de píxel (u, v) del punto central del cuadro de detección se transforman mediante la matriz de transformación de perspectiva a coordenadas del mundo en el plano del suelo (X_load, Y_load). Si hay un código QR/marcador auxiliar de posicionamiento bajo el objetivo, se leen simultáneamente las coordenadas mundiales precisas del marcador (X_mark, Y_mark). (3) Cálculo de desviación de alineación — se calcula la desviación entre la posición actual de la carga y la posición objetivo (centro de la zona de colocación o posición del marcador): ΔX = X_target - X_load, ΔY = Y_target - Y_load, así como la desviación angular Δθ (para piezas alargadas que requieren orientación específica). (4) Control de lazo cerrado PLC — la desviación se envía al PLC a través de la pasarela PROFINET; el Controlador PID integrado en el PLC toma la desviación como entrada y genera comandos de velocidad y dirección para el Carro Puente y el Carro, accionando el motor de frecuencia variable para reducir progresivamente la desviación hasta cero. (5) Ejecución de colocación/agarre — cuando la desviación entre la posición de la carga y la posición objetivo cumple simultáneamente ΔX≤±5mm, ΔY≤±5mm y Δθ≤±1°, el sistema determina que la alineación se ha completado y envía la señal de autorización para descender el Gancho o realizar el agarre al mecanismo de elevación, completando la acción de colocación o extracción.

Posicionamiento auxiliar por código QR/marcador: En la práctica de ingeniería, depender únicamente de las coordenadas absolutas del cuadro de detección de la carga introduce errores aleatorios debidos a variaciones en el volumen de la carga, desviaciones en la orientación de suspensión y fluctuaciones en la precisión del cuadro de detección. Por ello, el sistema preinstala marcadores de Posicionamiento por Código QR (esquema AprilTag o código QR) en la zona de colocación o en la posición de agarre. El marcador, con un lado de 100~200mm, tiene sus coordenadas mundiales (X_QR, Y_0) medidas con precisión y almacenadas en el archivo de configuración del sistema. En el flujo de guiado visual, el sistema prioriza la detección de la posición precisa del marcador y utiliza sus coordenadas como referencia base para la posición objetivo, eliminando eficazmente el impacto del error de detección de la propia carga en la precisión del posicionamiento. La práctica demuestra que, tras introducir el posicionamiento auxiliar por código QR, la precisión de repetición de posicionamiento del sistema mejora de ±12mm a ±5mm o menos.

Gestión de escenarios multiobjetivo: Cuando aparecen múltiples cargas o múltiples marcadores en el campo de visión, el sistema aplica reglas de prioridad: procesa preferentemente la carga más cercana al punto objetivo, o prioriza la zona de colocación que coincide con la categoría de la carga actual. Para escenarios con múltiples marcadores de zona de colocación, el sistema introduce una lógica de vinculación entre el ID de tarea de trabajo y el ID de zona de colocación, emparejando automáticamente la zona de colocación objetivo mediante la información de la orden de trabajo emitida por el sistema MES, evitando errores de alineación.

Mecanismo de gestión de anomalías: Cuando el sistema de visión detecta pérdida de la carga (el objetivo sale del campo de visión), confianza por debajo del umbral (0,6) u oclusión del marcador, el sistema cambia automáticamente al modo seguro: pausa la alineación automática, mantiene el estado actual y emite una alarma, a la espera de la intervención y confirmación del operador. Tras la recuperación de la anomalía, el sistema reanuda automáticamente el proceso de detección y bloqueo de la carga, garantizando la seguridad y fiabilidad del proceso de alineación.

Puesta en marcha y verificación de precisión del sistema

La puesta en marcha y la verificación de precisión tras el despliegue del sistema son fundamentales para garantizar que el sistema de posicionamiento visual alcanza los indicadores de diseño. El sistema establece un proceso de puesta en marcha estandarizado y métodos rigurosos de verificación de precisión, conforme a las normas nacionales relevantes para aparatos de elevación (GB/T 28264 — Sistema de Monitoreo y Gestión de Seguridad para aparatos de elevación, e ISO 4301 para el diseño de grúas).

Proceso de puesta en marcha: La puesta en marcha se divide en cuatro fases progresivas. (1) Calibración de puntos individuales — tras la instalación de la cámara, se realiza primero la calibración de parámetros intrínsecos; a continuación, se disponen puntos de calibración en el suelo para la calibración de parámetros extrínsecos, verificando inicialmente la precisión de la transformación de coordenadas en ambos sentidos (directo e inverso). En esta fase se utiliza un proyector láser de cruz para ayudar a determinar la correspondencia de píxeles de los puntos de calibración. (2) Prueba de alineación estática — se coloca una pieza de prueba estándar (bloque de acero rectangular de dimensiones conocidas) bajo el Gancho; el sistema realiza la detección estática del objetivo y la transformación de coordenadas, registrando manualmente la comparación entre las coordenadas del cuadro de detección y las coordenadas medidas. Los parámetros de calibración se ajustan iterativamente hasta que el error estático sea inferior a ±3mm. (3) Prueba de seguimiento dinámico — se opera el puente grúa a diferentes velocidades y direcciones, observando si el módulo de seguimiento visual mantiene un bloqueo estable de la carga y registrando la amplitud de fluctuación del cuadro de detección durante el seguimiento dinámico. Mediante el ajuste de los parámetros del filtro de Kalman y la estrategia de actualización de ROI, la fluctuación del seguimiento dinámico se controla dentro de ±2 píxeles. (4) Prueba integrada de flujo completo — el sistema MES emite una tarea de trabajo real, y el sistema de visión guía al puente grúa para completar automáticamente el flujo completo de alineación desde el Punto de Izaje hasta la zona de colocación, registrando los datos de desviación en cada fase.

Método de prueba de precisión: La verificación de la precisión de repetición de posicionamiento utiliza el "método de prueba de ida y vuelta en tres puntos" — se seleccionan tres puntos de prueba en diferentes ubicaciones del Taller (izquierda, centro, derecha), realizando 100 operaciones de ida y vuelta en cada punto y registrando la desviación de posición final de cada operación. El equipo de prueba utiliza un rastreador láser de alta precisión (Leica AT960, precisión ±0,02mm) para medir el desplazamiento relativo entre el borde de la carga y el marcador objetivo. Las condiciones de prueba incluyen estados de carga vacía y carga completa, así como tres modos: movimiento solo del Carro Puente, movimiento solo del Carro y movimiento combinado. Los resultados estadísticos de 300 pruebas (100 veces × 3 puntos) muestran: desviación media en dirección X de 1,8mm con desviación estándar de 1,2mm; desviación media en dirección Y de 2,1mm con desviación estándar de 1,5mm; precisión de repetición de posicionamiento combinada de ±4,6mm (3σ), superior al indicador de diseño de ±5mm.

Verificación comparativa: Para validar plenamente el rendimiento del sistema, se realizó en el mismo taller un ensayo comparativo entre el posicionamiento manual y el posicionamiento automático por sistema de visión. Cinco operadores experimentados de puente grúa realizaron cada uno 20 maniobras de posicionamiento de bobinas de acero, registrando el tiempo de cada maniobra y la precisión final. Los datos comparativos son los siguientes: el posicionamiento manual tardó una media de 42 segundos con una precisión media de ±24 mm; el posicionamiento automático por visión tardó una media de 18 segundos con una precisión media de ±4,2 mm. Esto supone una reducción del 57 % en el tiempo y una mejora de la precisión de 5,7 veces. Además, el sistema de visión elimina factores humanos como la fatiga del operador, las diferencias de experiencia y la obstrucción visual, logrando una consistencia en los resultados de posicionamiento significativamente superior a la operación manual (la desviación estándar es solo 1/8 de la manual).

Verificación de estabilidad a largo plazo: Tras 6 meses de funcionamiento continuo en las instalaciones del cliente, la precisión de repetición de posicionamiento no mostró una degradación significativa. Las mediciones mensuales de precisión revelaron que la deriva máxima de precisión fue de +0,8 mm, dentro del rango de diseño de ±5 mm. La calibración trimestral mostró que la variación de los parámetros intrínsecos de la cámara se mantuvo por debajo del 1 %, mientras que los parámetros extrínsecos acumularon una deriva de aproximadamente 2,5 mm debido a la vibración mecánica, recuperándose a los niveles iniciales de precisión tras la compensación mediante calibración automática. Estos resultados confirman que el sistema es capaz de operar de forma estable a largo plazo en entornos industriales, cumpliendo con los requisitos de conformidad continua para la reforma de seguridad de aparatos de elevación establecidos en el documento Oficio especial de inspección de calidad〔2019〕857N.º.

Preguntas frecuentes sobre el sistema de visión para grúas