💻 computer science

CableDex: Cable Length Estimation on Industrial Reels Using a Handheld Device

CableDex es un sistema de visión computarizada que utiliza un teléfono móvil para estimar con precisión la longitud de carretes de cables industriales a partir de una sola fotografía, logrando un error porcentual absoluto medio del 4,90% mediante la combinación de calibración de cámara, segmentación de instancias y cálculo volumétrico.

Autores originales: Francisco Guillén, Ricardo Almeida, Bruno Silva, João C. Neves

Publicado 2026-08-11

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Francisco Guillén, Ricardo Almeida, Bruno Silva, João C. Neves

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás de pie en un almacén gigante lleno de enormes bobinas de cable, como las que se usan para conectar ciudades o fábricas de energía. Estas bobinas son pesadas y el cable está enrollado apretadamente alrededor de ellas. Ahora, imagina a un trabajador que necesita saber exactamente cuánto cable queda en una bobina. En los viejos tiempos, tenían que adivinar basándose en qué tan pesada se sentía la bobina, o peor aún, tenían que desenrollar todo el cable para medirlo, un proceso lento, desordenado y frustrante. Este es el mundo de la fabricación industrial, donde el tiempo es dinero y los errores cuestan mucho.

Para resolver esto, los científicos utilizan una rama de la informática llamada visión artificial. Piensa en esto como enseñar a una computadora a "ver" y comprender el mundo a través de la lente de una cámara, tal como lo hacen tus ojos. Dos trucos clave ayudan a la computadora a hacer esto: la segmentación, que es como unas tijeras digitales que pueden recortar un objeto específico (como una bobina) del fondo de una foto, y la estimación de pose, que es la capacidad de la computadora para averiguar cómo está inclinada o girada una objeto en un espacio 3D simplemente mirando una imagen plana. Cuando combinas estos trucos con un poco de geometría, una computadora puede mirar una sola foto y calcular el volumen de un objeto, incluso si es una forma compleja como una bobina de alambre. Este artículo aborda el problema desordenado del mundo real de aplicar estos trucos de alta tecnología en el polvoriento suelo de una fábrica para ahorrar tiempo y dolores de cabeza a los trabajadores.

La aplicación mágica que cuenta cables

Conoce a CableDex, un nuevo y astuto sistema que actúa como un detective digital para carretes de cable industriales. El problema que resuelve es simple pero molesto: cuando se extrae cable de un carrete gigante, nadie sabe exactamente cuánto queda sin realizar mucho trabajo duro. CableDex cambia las reglas del juego permitiendo que un trabajador tome solo una foto de un carrete con un smartphone común y, luego, le indique instantáneamente un estimado altamente preciso de la longitud de cable restante.

Aquí es donde ocurre la magia, paso a paso:

1. Las "Tijeras Digitales" (Segmentación de Instancias)
Primero, el sistema necesita saber qué es lo que está mirando. Utiliza un modelo de IA superinteligente (un tipo de red neuronal llamada YOLO11s) que ha sido entrenado con 1,000 fotos de diferentes carretes de cable. Piensa en este modelo como un par de tijeras digitales increíblemente precisas. Cuando tomas una foto, la IA recorta instantáneamente el carrete y el cable del resto de la foto, creando un contorno perfecto. Es tan bueno en esto que acierta el 99.5% de las veces, y realiza todo el trabajo en solo 5.66 milisegundos, más rápido de lo que puedes parpadear.

2. El "Ojo Inteligente" (Calibración de la Cámara)
Antes de que la computadora pueda medir nada, necesita saber cómo ve el mundo la cámara del teléfono. Cada lente de teléfono es ligeramente diferente, como sucede con la forma en que cada ojo humano ve los colores de manera un poco distinta. CableDex tiene un "banco de memoria" integrado de datos de calibración para diferentes modelos de teléfonos. Si el teléfono es nuevo para el sistema, el usuario graba un rápido video de cinco segundos de un patrón ajedrezado (como un tablero de ajedrez). El sistema analiza este video para descubrir los "secretos internos" de la cámara (su distancia focal y distorsión de la lente) para poder medir las cosas con precisión más tarde.

3. El "Detective 3D" (Estimación de Pose)
Ahora que la computadora sabe qué es el carrete y cómo ve el mundo la cámara, juega un juego de geometría 3D. Observa las cuatro esquinas del carrete en la foto y las compara con el tamaño real conocido del carrete. Al hacer esto, puede determinar exactamente cómo está situado el carrete en el espacio: qué tan lejos está y cómo está inclinado. Esto se llama estimación de pose. Una vez que conoce la posición del carrete, puede mapear el cable sobre él en el espacio 3D, calculando el radio superior, el radio inferior y la altura de la pila de cable.

4. El "Calculador de Volumen" (La parte matemática)
Con la forma 3D de la pila de cable determinada, el sistema utiliza una fórmula para un "cono truncado" (un cono al que se le ha cortado la punta) para calcular el volumen total del cable. Pero hay un detalle: los cables no son bloques sólidos de plástico; son alambres redondos con pequeños huecos de aire entre ellos. El sistema tiene esto en cuenta restando aproximadamente un 21.5% del volumen para representar el aire entre los alambres. Finalmente, divide este volumen por el grosor del cable (que obtiene escaneando la etiqueta del código de barras del carrete) para revelar la longitud total.

¿Realmente funciona?

El equipo probó CableDex en el mundo real en una fábrica en Portugal. No solo lo simularon en una computadora; fueron al lugar y lo probaron en 75 carretes diferentes a través de cinco tipos distintos de bobinas.

Los resultados fueron impresionantes. El sistema estimó la longitud del cable con un error promedio de solo un 4.90%. En el mundo industrial, un margen de error del 10% suele considerarse aceptable, por lo que CableDex se encuentra cómodamente dentro de la zona segura. El equipo descubrió que el tamaño del carrete no importaba; el sistema era igual de preciso en carretes pequeños que en enormes.

El inconveniente y el futuro

Aunque el sistema es una gran mejora respecto a adivinar por peso o desenrollar cables, los autores son honestos sobre sus límites. Las matemáticas asumen que el cable está enrollado de forma perfecta y ordenada, como una pila de panqueques. Si el cable está enrollado de forma suelta o desordenada, la forma del "cono truncado" cambia y el estimado podría ser menos preciso.

Sin embargo, para la gran mayoría de las situaciones en las fábricas, CableDex ofrece una forma rápida y fiable de convertir una simple foto en una medición precisa. Reemplaza las conjeturas manuales y lentas con una captura rápida, demostando que, a veces, la mejor manera de medir un problema industrial gigante es simplemente tomar una foto.

Resumen Técnico: CableDex

Planteamiento del Problema
En entornos de fabricación industrial, determinar la longitud restante de cable en un carrete es un desafío operativo persistente. Los métodos tradicionales requieren ya sea equipos especializados o el desenrollado completo del cable, lo cual es lento e ineficiente. Alternativamente, los operadores suelen depender de estimaciones basadas en el peso, las cuales carecen de precisión. Existe la necesidad de un método rápido, preciso y no invasivo para estimar la longitud del cable utilizando hardware accesible.

Metodología
CableDex es un sistema de visión computarizada diseñado para estimar la longitud del cable a partir de una única fotografía capturada mediante un dispositivo móvil de mano. El sistema opera bajo una arquitectura cliente-servidor que comprende una aplicación móvil en Flutter, un backend en Python/FastAPI y una API externa para las especificaciones del cable. El flujo de procesamiento consta de cuatro módulos integrados:

Calibración de la Cámara: El sistema estima la matriz intrínseca ( $K$ ) de la cámara utilizando el algoritmo de Zhang. Una base de datos centralizada almacena los parámetros de calibración indexados por modelo de smartphone para evitar la redundancia en la calibración. Si un dispositivo no está registrado, el usuario graba un video corto de un patrón de tablero de ajedrez, a partir del cual el backend extrae fotogramas, detecta esquinas con refinamiento de subpíxeles y computa los parámetros intrínsecos.
Segmentación de Instancias: Un modelo YOLO11s segmenta la imagen para delimitar las regiones del carrete y del cable, produciendo máscaras binarias ( $B_{reel}$ y $B_{cable}$ ). El modelo fue entrenado con 1,000 imágenes anotadas manualmente (aumentadas a 3,000) que cubren cinco tipos de carretes en diversas orientaciones. Solo se procesan las detecciones con una confianza superior a 0.85, donde el sistema selecciona el carrete y el cable más cercanos al centro de la imagen.
Estimación de Pose y Recuperación Geométrica: Utilizando las máscaras de segmentación, el sistema identifica los cuatro puntos de las esquinas extremas del carrete y los puntos correspondientes más cercanos en la máscara del cable. Estos puntos 2D, combinados con las dimensiones 3D conocidas del carreote, alimentan un algoritmo de Perspective-n-Point (PnP) para recuperar la matriz de rotación ( $R$ ) y el vector de traslación ( $t$ ). Las esquinas del cable se retroproyectan en coordenadas de mundo 3D para determinar el radio superior ( $r_1$ ), el radio inferior ( $r_2$ ) y la altura ( $h$ ) de la región del cable.
Cálculo Volumétrico: El volumen del cable ( $V_{cable}$ ) se estima utilizando una fórmula de cono truncado ajustada por la fracción de aire entre las vueltas circulares del cable ( $\alpha \approx 0.215$ ):
$V_{cable} = \frac{\pi h}{3} (r_1^2 + r_1 r_2 + r_2^2) \times (1 - \alpha)$
La longitud final se deriva dividiendo el volumen calculado por el área de la sección transversal del cable, recuperada mediante el escaneo de la etiqueta del carrete.

Contribuciones Clave

Flujo de Extremo a Extremo (End-to-End): El artículo presenta un flujo completo del sistema, desde el escaneo de la etiqueta y la captura de la imagen hasta la segmentación, la estimación de pose y el cálculo de la longitud, implementado mediante una aplicación móvil.
Modelo de Segmentación Eficiente: Los autores evaluaron cuatro variantes de YOLO11 y Mask R-CNN, seleccionando YOLO11s por su equilibrio óptimo entre velocidad y precisión. Este alcanza un promedio de precisión media (mAP50) del 99.5% con un tiempo de inferencia de 5.66 ms por imagen, significativamente más rápido que Mask R-CNN (33.57 ms) manteniendo una precisión comparable.
Estrategia de Calibración Robusta: El sistema utiliza un enfoque basado en bases de datos para la calibración de la cámara, permitiendo a los usuarios aprovechar parámetros precomputados para modelos de dispositivos específicos, optimizando así la experiencia del usuario.

Resultados Experimentales
El sistema fue evaluado en 75 carretes industriales de cinco tipos diferentes (NPS150, NPS250, NPS400, D600, D800) bajo condiciones de iluminación de fábrica estándar en COFICAB Portugal.

Precisión: El sistema logró un Error Porcentual Absoluto Medio (MAPE) global del 4.90%.
Tolerancia: Este resultado se encuentra dentro de la tolerancia de error del 10% comúnmente aceptada en la medición de cables en la industria.
Consistencia: El análisis de rendimiento indicó que no existe una correlación significativa entre el tamaño del carrete y la precisión de la estimación. Los autores atribuyen los errores residuales principalmente a las condiciones de adquisición de la imagen, la calidad de la segmentación o las variaciones en el grosor del cable, en lugar de las dimensiones del propio carrete.

Significancia y Limitaciones
CableDex ofrece una alternativa viable a la medición manual y a la estimación basada en el peso, proporcionando un activo claro para los entornos de fabricación al reducir el tiempo y aumentar la precisión. El sistema demuestra con éxito que los dispositivos de mano pueden realizar mediciones industriales complejas cuando se combinan con visión computarizada.

Sin embargo, los autores mantienen un alcance modesto respecto a las limitaciones del sistema. La estimación volumétrica depende de una aproximación de cono truncado, la cual asume un patrón de bobinado regular. El artículo señala explícitamente que los cables bobinados de forma laxa o irregular pueden desviarse de esta suposición geométrica, afectando potencialmente la precisión de la estimación. El sistema no pretende manejar todas las posibles irregularidades de bobinado, sino que aborda el caso de uso industrial estándar.

La aplicación mágica que cuenta cables

¿Realmente funciona?

El inconveniente y el futuro

Más como este