Vision-MVP 🏭

Sistema de Inspección Automatizada por Visión Artificial

Prototipo Edge modular para inspección de calidad de posicionamiento de bandejas de pollo y monitoreo ergonómico del operario en línea de empaque.

Topología del Sistema

[Terminal 1] worker_bandejas.py  ──┐
[Terminal 2] worker_postura.py   ──┼──> [SQLite + WAL] <── [Terminal 3] dashboard.py
                                   │
                                   └──> [HAL: ActuadorMock] ---> (Fase 2: Arduino)

Procesos independientes aislados por SO para evitar bloqueos por GIL. Si un nodo cae, el resto sobrevive.

Requisitos

• Python 3.10+
• Cámaras 2x (una para bandejas, una para postura)
• SO: Windows (winsound para alertas en Fase 1)

Instalación

# 1. Clonar repositorio
git clone <url> && cd Vision-MVP

# 2. Crear entorno virtual (recomendado)
python -m venv .venv
.venv\Scripts\activate

# 3. Instalar dependencias
pip install -r requirements.txt

Ejecución

Abrir 3 terminales en la carpeta del proyecto:

# Terminal 1: Inspección de bandejas
python worker_bandejas.py

# Terminal 2: Monitoreo ergonómico
python worker_postura.py

# Terminal 3: Dashboard
streamlit run dashboard.py

Con Auto-Healing (Watchdog)

# Terminal 1: Worker con reinicio automático
watchdog.bat worker_bandejas.py

# Terminal 2: Worker con reinicio automático
watchdog.bat worker_postura.py

# Terminal 3: Dashboard
streamlit run dashboard.py

Estructura del Proyecto

Vision-MVP/
├── config.py              # Constantes y umbrales parametrizables
├── db.py                  # Persistencia SQLite + WAL
├── hal.py                 # Hardware Abstraction Layer (Adapter)
├── worker_bandejas.py     # Worker 1: Inspección de posición
├── worker_postura.py      # Worker 2: Monitoreo ergonómico
├── dashboard.py           # HMI: Streamlit dashboard
├── watchdog.bat           # Auto-healing wrapper
├── requirements.txt       # Dependencias Python
├── README.md              # Esta documentación
└── tests/
    ├── test_db.py         # Tests de persistencia
    └── test_hal.py        # Tests del HAL

Configuración

Todos los parámetros se ajustan en config.py:

Parámetro	Default	Descripción
CAM_BANDEJAS_INDEX	0	Índice de cámara para bandejas
CAM_POSTURA_INDEX	1	Índice de cámara para postura
BANDEJA_ROI	(100,80,440,340)	Región de interés (x,y,w,h)
MAX_BACK_INCLINATION	20.0°	Umbral de inclinación de espalda
MAX_NECK_FLEXION	30.0°	Umbral de flexión cervical
POSTURA_FRAMES_ALERTA	10	Frames consecutivos para alerta
ACTUADOR_MODO	"mock"	"mock" o "arduino"

Decisiones Arquitectónicas (ADR)

A. Visión Artificial

• Worker Bandejas: OpenCV clásico. ROI fija + cv2.findContours. Sin redes neuronales.
• Worker Postura: MediaPipe Pose. Captura degradada a 5-7 FPS. Resolución 640x480.

B. Persistencia

• SQLite3 con PRAGMA journal_mode=WAL para concurrencia (2 writers + 1 reader).
• Tabla unificada eventos con columna tipo_evento.

C. HAL (Puertos y Adaptadores)

• Patrón Adapter. actuador.trigger(motivo) es la interfaz genérica.
• Fase 1: ActuadorMock (beep Windows). Fase 2: ArduinoActuador (UART pyserial).

D. Dashboard

• Streamlit con st_autorefresh(interval=2000). Modelo Pull/Polling.
• Cero estado en frontend. Puro visor de SQLite.

E. Resiliencia (8+ horas)

• collections.deque(maxlen=100) — sin list.append() global.
• cap.release() + cv2.destroyAllWindows() en finally.
• Watchdog .bat para auto-restart ante crashes.

Tests

python -m pytest tests/ -v

Roadmap

• Fase 1: Prototipo con ActuadorMock
• Fase 2: Integración Arduino (pyserial + UART)
• Fase 3: Modelo IA para validación de sellado