Visión por computación: cómo un robot ve su entorno

Para un robot, una cámara no es una imagen bonita: es una matriz de números que hay que convertir en una decisión. La visión por computación es el puente.

El pipeline típico tiene capas. Primero, preprocesado: ajustar iluminación, reducir ruido, a veces pasar a escala de grises. Una imagen limpia hace el resto del trabajo más fiable.

Luego, detección: encontrar bordes, formas o colores de interés. Técnicas clásicas (umbralización, contornos) resuelven sorprendentemente bien muchos problemas industriales sin necesidad de redes neuronales.

Cuando el problema lo amerita, modelos de aprendizaje: detección de objetos para reconocer qué hay y dónde. Aquí Python y sus librerías hacen accesible lo que hace años requería equipos enteros.

Y al final, lo más importante: la decisión. Detectar un objeto no sirve de nada si el robot no actúa en consecuencia: girar, detenerse, tomar la pieza. El valor está en cerrar el lazo entre lo que ve y lo que hace.

Lo fascinante de la visión es que combina mis dos mundos, el análisis de datos y la robótica, al servicio de una acción concreta.