Cómo automatizar la lectura de planos: 6 modelos YOLO en lugar del trabajo manual

Extraer a mano los datos de los planos de ingeniería es un trabajo tedioso y propenso a errores. Al encargar la fabricación de una pieza no estándar, hay que introducir manualmente en la calculadora unos 20 parámetros del plano: dimensiones, roscas, calidades de tolerancia (IT), rugosidades, tolerancias, material y masa. Un equipo de ingeniería ha montado un pipeline automatizado que toma el plano en PDF, lo lee como lo haría una persona y extrae todo lo necesario de forma estructurada. El resultado es un JSON para la calculadora.

Arquitectura de la solución

El sistema funciona en tres pasos: localización de los datos, reconocimiento del texto y síntesis del resultado. La entrada es un plano en PDF; la salida, un JSON con los parámetros. Las etapas intermedias son:

• Normalización de la resolución y el contraste
• Detección de las proyecciones (vista frontal, lateral y superior)
• Separación del contorno de la pieza de las líneas auxiliares
• Localización de los campos de texto y las flechas de cota
• Reconocimiento de símbolos (rosca, calidad de tolerancia, rugosidad)
• Asociación de las flechas con sus valores mediante un grafo de conectividad

Componentes del pipeline

Para la visión por computador se utilizan seis modelos YOLO especializados. Cada uno se ha entrenado con un subconjunto de más de 500 planos de producción reales:

1. Detección de proyecciones: localiza las vistas frontal, lateral y superior en el plano. 2. Localización de cotas: identifica todas las flechas de cota y los campos de texto. 3. Reconocimiento de símbolos especiales: lee las indicaciones de rosca (M10), calidad de tolerancia (IT6) y rugosidad (Ra 3.2). 4. Contorno de la pieza: separa el contorno visible de las líneas auxiliares. 5. Líneas auxiliares: detecta los ejes y las construcciones auxiliares. 6. Flechas e indicadores: localiza todos los tipos de flechas y los valores de texto asociados.

A YOLO se le ha conectado un OCR personalizado, porque las soluciones estándar leen mal las anotaciones manuscritas y los símbolos especiales, como ∅ (diámetro) o las designaciones convencionales de roscas. La red neuronal se entrenó con una muestra anotada por especialistas.

La lógica de las flechas se basa en un grafo ponderado: si una flecha empieza en el punto A, atraviesa el objeto geométrico B y termina cerca del texto C, el valor C corresponde al objeto A. En la práctica es más complicado: hay flechas discontinuas o en forma de S, varias flechas pueden apuntar al mismo lugar y surgen ambigüedades.

La realidad se interpone

Al probar el sistema con planos reales aparecieron problemas que no existen en los datasets ideales:

• Escaneos sucios: planos de hace 20 años, escaneados a partir de fotocopias, con manchas de agua y marcas de lápiz accidentales.
• Libertades gráficas: una rosca puede aparecer escrita como «Ø10×1.5», «M10» o incluso dibujada como un muelle.
• Anotaciones en color: una cota se resalta con bolígrafo rojo, pero el OCR suele filtrar las líneas rojas como ruido.
• Hojas saturadas: un mismo plano tiene más de 30 cotas, las flechas se cruzan y se produce confusión.

La solución llegó con data augmentation: se generaron planos sintéticos con ruido añadido, suciedad, cambios de contraste e imitación de escaneos antiguos. Tras entrenar con el dataset ampliado, la calidad en planos sucios subió del 68% al 92%.

Qué significa esto

La automatización de la lectura de planos es un ejemplo de cómo el trabajo humano se sustituye por una combinación de herramientas de acceso público (YOLO), lógica de ingeniería (el grafo de flechas) y ajuste especializado. Para la producción supone multiplicar la velocidad por 15: en lugar de 30 minutos de introducción manual, 2 minutos en piloto automático. Para el negocio, significa poder enviar ofertas comerciales más rápido sin introducir datos a mano.