Son las seis de la mañana del año 1201. Te levantas para comenzar tu turno como vigilante del Arsenal de Venecia, una instalación tan importante que dejó algunos de los primeros registros de controles y protocolos de seguridad laboral.
La seguridad recae sobre tus hombros, en un entorno lleno de riesgos: almacenes repletos de pólvora, grúas primitivas y carpinteros que trabajan bajo presión, con una generosa ración de alcohol.
Al acercarte a los almacenes de pólvora, escuchas un sonido metálico. Algo no encaja. Un operario, ajeno al peligro, golpea unos clavos sobre una tabla con un martillo. Una chispa. Un destello. Silencio.
Te despiertas. Es verano de 2025. Agradeces que muchas cosas hayan cambiado: controles de acceso, formación preventiva, señalización, equipos de protección… Pero el sueño te invita a plantearte una pregunta: ¿cómo podemos seguir mejorando? ¿Qué nos depara el futuro de la prevención y cómo podemos formar parte de él?
Hoy hablamos de una de las tecnologías más potentes y prometedoras para la prevención de riesgos laborales: la inteligencia artificial aplicada a la visión artificial. Porque ahora, conectando una cámara y un ordenador, puedes crear un sistema que observe tu entorno de trabajo las 24 horas del día, detecte incumplimientos de seguridad en tiempo real y proporcione datos objetivos que respalden tu labor preventiva.
Ya no solo vigilas: demuestras, comunicas y conciencias.
Suena bien, ¿verdad? Pues vamos a ello.
Primeras pruebas
Una de las cosas que más me gustan de todo esto es que no necesitas un laboratorio sofisticado ni grandes presupuestos para empezar. Hoy tenemos acceso a modelos de inteligencia artificial gratuitos (¡sí, GRATIS!) disponibles en Internet.
Un buen ejemplo es Moondream, una conocida IA que permite hacer preguntas en lenguaje natural sobre lo que aparece en una imagen. Puedes probarlo tú mismo: sube una imagen de una persona con casco y pregúntale si está utilizando correctamente sus equipos de protección individual. Verás cómo te responde de forma razonada y conversacional.
Subimos la imagen, pulsamos el botón de detección y le pedimos que busque un casco. Perdón por abusar del inglés, pero estos modelos suelen funcionar mejor así. Un pequeño truco.
Esto se conoce como detección de objetos y constituye la base de las reglas más sencillas de la visión artificial.
Pero, si queremos ir más allá, no basta con saber qué objetos hay, sino también quién hace qué con ellos. Es decir, necesitamos identificar la relación entre los objetos y las personas. Podemos probarlo desde el propio Moondream:
No está nada mal, aunque queríamos que seleccionara a la persona completa y, en casi todos los casos, solo ha seleccionado el casco.
La forma más habitual —y eficaz— de resolverlo es utilizar las coordenadas de las detecciones que nos devuelve el propio modelo de IA y procesarlas mediante un programa personalizado. Por ejemplo, si un casco está muy cerca de la cabeza de una persona, probablemente lo esté utilizando correctamente. Si una persona se encuentra dentro de unas coordenadas definidas como peligrosas, podemos generar una alerta.
Tiene buena pinta, ¿verdad? Pues esto no es más que el principio. Con técnicas de detección podemos desarrollar aplicaciones muy interesantes. Veamos algunas.
Casos de uso
Zonas peligrosas y áreas restringidas
Quizá sea uno de los casos más eficientes y sencillos para empezar. Estos modelos detectan personas con bastante precisión. ¿No debería haber nadie en una zona por motivos de seguridad? ¿Debería haber al menos dos personas para que una pueda auxiliar a la otra si se desmaya?
Basta con delimitar las coordenadas de las zonas seguras y peligrosas y comprobar qué detecciones se encuentran dentro de cada área.
Detección de equipos de protección individual (EPI)
Ya lo hemos visto en el ejemplo inicial, pero podemos seguir añadiendo elementos: gafas, chalecos, batas, botas de seguridad…
Como hemos explicado, detectamos personas y objetos y los agrupamos en función de su distancia y del solapamiento entre sus áreas. Si, al realizar esa agrupación, una persona se queda sin el elemento de protección correspondiente porque no se detecta suficientemente cerca, podemos identificar una posible situación de incumplimiento.
Condiciones inseguras del entorno
Por ejemplo, la presencia de obstáculos, distancias demasiado cortas respecto a la maquinaria, ausencia de protecciones colectivas o incumplimientos de los procedimientos LOTO (bloqueo y etiquetado).
En el primer caso, Moondream funciona especialmente bien, ya que reconoce una gran variedad de objetos sin necesidad de entrenarlo previamente para cada uno de ellos. Esta capacidad también puede ayudar a identificar determinados elementos de protección colectiva.
Riesgos dinámicos
Aquí encontramos situaciones como la presencia de fuego o humo y una aplicación que me gusta especialmente: la medición de la velocidad de las carretillas elevadoras.
Estas pequeñas máquinas pueden convertirse en auténticos proyectiles y, en manos equivocadas, en un enorme peligro.
Para detectar fuego y humo, puedes experimentar con las herramientas que hemos visto. La medición de la velocidad, sin embargo, requiere algo más de trabajo: tenemos que calcular continuamente la posición del objeto, medir cuánto se desplaza y dividir esa distancia entre el tiempo transcurrido para obtener su velocidad.
Estas técnicas suelen relacionarse con lo que conocemos como tracking o seguimiento de objetos.
En la imagen puedes ver cómo los objetos dejan un rastro rojo. Se trata de su trayectoria de seguimiento, que muestra las distintas posiciones por las que ha pasado su centro. Con esta información calculamos su velocidad y, si supera un umbral determinado, ¡activamos una alarma!
Posturas y acciones humanas
Para detectar caídas o posturas inadecuadas, YOLO tiene una capacidad muy interesante: permite detectar el «esqueleto» de una persona para interpretar mejor si mantiene una postura anómala.
Esta técnica se conoce como estimación de pose (pose estimation) y despierta mucho interés en todo lo relacionado con las lesiones y las bajas laborales.
Puedes ver un ejemplo en la imagen o probarlo tú mismo en este enlace a YOLO Pose.
Hasta aquí, las posturas. Las acciones tienen algo más de complejidad y merecen prácticamente un artículo propio.
Hay situaciones sencillas, como detectar que alguien está fumando, que podemos identificar por la presencia de un cigarrillo o de humo. Sin embargo, otras requieren seguir y clasificar continuamente los movimientos de las personas que estamos analizando.
Esto exige otras tecnologías y puede complicarse un poco.
Mi consejo es el siguiente: si una acción tiene un momento reconocible, ya sea porque aparece un objeto concreto o porque se adopta una postura determinada, intenta detectar ese elemento. Muchas veces será suficiente para identificar la situación.
Si necesitas analizar toda una secuencia de vídeo, mi mejor recomendación es que pruebes Gemini 2.5.
Mejora continua
Durante las pruebas quizá hayas encontrado errores de detección. Es normal. Los modelos generalistas no están entrenados específicamente para todas estas situaciones. Y aquí es donde aparece su verdadero potencial: podemos entrenarlos para especializarlos y mejorar su precisión en aplicaciones concretas.
Uno de los modelos más utilizados para ello, porque entrenarlo resulta relativamente sencillo y rápido, es YOLO. Y sí, también dispone de opciones gratuitas.
Es tan popular que puedes encontrar modelos ya preparados para reconocer elementos y situaciones de este tipo. Es el caso de Safe, que ha procesado decenas de miles de imágenes para aprender a reconocer una amplia variedad de situaciones de riesgo y equipos de protección. Esto permite ofrecer un nivel elevado de precisión y fiabilidad sin que tengas que invertir tiempo en entrenar un modelo desde cero.
Aunque, por supuesto, también puedes enseñarle desde el principio. En un futuro artículo explicaremos cómo hacerlo, porque es bastante sencillo y, me atrevería a decir, incluso divertido (al menos durante las primeras horas).
Y un detalle importante: quizá hayas observado que Moondream tarda varios segundos en responder a tus consultas. Pero, como indica el título de este artículo, queremos identificar riesgos en tiempo real mediante visión artificial.
Prepárate: YOLO puede detectar objetos en una imagen en aproximadamente 50 milisegundos, dependiendo del modelo y del hardware utilizado. Esto permite procesar alrededor de 30 fotogramas por segundo en condiciones adecuadas, una frecuencia habitual en muchos sistemas de videovigilancia.
¡A velocidad de Fórmula 1!
Próximos pasos
¿Tecnología para analizar imágenes de una cámara? Visto.
¿Aplicar este sistema para comprobar el cumplimiento de normas que mejoren la seguridad de nuestro entorno? También.
¿Activar una alarma cuando se detecta un incidente? ¿Generar informes con los resultados para utilizarlos en las formaciones? ¿Crear gráficos que muestren la evolución de los indicadores de seguridad?
Hemos visto cómo resolver una parte fundamental del problema: identificar qué está ocurriendo en la imagen. Ahora debemos aprovechar esa información y decidir qué hacer con ella en función de la gravedad de cada situación, así como filtrar los datos más relevantes.
De hecho, incluso podríamos incorporar una IA que difumine los rostros de las personas que aparecen en las imágenes, contribuyendo a proteger su privacidad y a cumplir con el RGPD, siempre que el tratamiento completo de los datos también respete la normativa aplicable.
Por eso te animamos a seguir aprendiendo sobre esta tecnología. Las posibilidades son apasionantes.