{"id":2323,"date":"2022-11-04T18:47:04","date_gmt":"2022-11-04T21:47:04","guid":{"rendered":"https:\/\/pixforce.ai\/?p=2323"},"modified":"2023-09-04T11:48:12","modified_gmt":"2023-09-04T14:48:12","slug":"do-passado-ao-futuro-entenda-a-visao-computacional","status":"publish","type":"post","link":"https:\/\/pixforce.com\/pt-br\/do-passado-ao-futuro-entenda-a-visao-computacional\/","title":{"rendered":"Introdu\u00e7\u00e3o \u00e0 vis\u00e3o computacional: do passado ao futuro"},"content":{"rendered":"

Popularizada nos anos 1970, a Vis\u00e3o Computacional<\/strong> vem se expandindo atrav\u00e9s dos anos, e est\u00e1 longe de estagnar sua evolu\u00e7\u00e3o. Considerada mais segura do que a vis\u00e3o humana, a t\u00e9cnica hoje \u00e9 capaz de solucionar dores da ind\u00fastria de modo pr\u00e1tico e eficiente, fazendo com que empresas consigam escalar exponencialmente e estar a frente em seus setores.<\/em><\/p>\n

\"Introdu\u00e7\u00e3o<\/p>\n

Por defini\u00e7\u00e3o, Vis\u00e3o Computacional (VC)<\/a> \u00e9 a vertente da Intelig\u00eancia Artificial (IA) que captura e interpreta imagens, replicando fun\u00e7\u00f5es condicionadas \u00e0 vis\u00e3o humana.<\/strong> De forma pr\u00e1tica, isso quer dizer que a tecnologia \u00e9 capaz n\u00e3o apenas de capturar imagens, mas tamb\u00e9m de distingui-las, classific\u00e1-las e agrup\u00e1-las, de acordo com um padr\u00e3o previamente estipulado.<\/p>\n

Quer saber mais sobre a Vis\u00e3o Computacional e a Intelig\u00eancia Artificial? Veja aqui<\/a>.<\/p>\n

 <\/p>\n

Por\u00e9m, para que evolu\u00edsse e chegasse aos dias de hoje transformando padr\u00f5es, a Vis\u00e3o Computacional (VC) passou por v\u00e1rios processos. O primeiro registro de uso de sistemas de VC aconteceu nos anos 1950 e, na \u00e9poca, os recursos conseguiam classificar objetos em categorias simples, como redondos e quadrados, detectando seus limites.<\/p>\n

Em 1972 a empresa Texas Instruments criou a primeira c\u00e2mera digital do mundo e, tr\u00eas anos depois, em 1975 a Cromemco Cyclops tornou-se a primeira c\u00e2mera digital vendida no mercado capaz de se conectar a um computador. A partir da\u00ed, e com a cria\u00e7\u00e3o dos primeiros sensores, come\u00e7ou a ser poss\u00edvel interpretar as imagens.<\/p>\n

Os primeiros projetos de VC tiveram como objetivo reconhecer e interpretar textos, tanto manuscritos quanto digitados, atrav\u00e9s do reconhecimento \u00f3ptico dos caracteres.<\/strong> A ideia surgiu para que pessoas cegas fossem melhor inseridas no mercado e, at\u00e9 os dias de hoje, a vertente da IA tem um papel importante neste setor.<\/p>\n

S\u00e3o muitas as formas em que a Vis\u00e3o Computacional (VC) atua para auxiliar na inclus\u00e3o e qualidade de vida das pessoas cegas. A Tecnologia Assistiva<\/a>, nome utilizado para denominar o grupo de recursos e servi\u00e7os que proporciona a pessoas com pouca ou nenhuma vis\u00e3o o acesso a produtos, recursos, metodologias, estrat\u00e9gias, pr\u00e1ticas e servi\u00e7os, tem a Vis\u00e3o Computacional (VC) como grande aliada.<\/strong><\/p>\n

Um exemplo disso s\u00e3o os jogos desenvolvidos para entretenimento e at\u00e9 mesmo avalia\u00e7\u00e3o de pessoas cegas. Como a vertente da IA ainda \u00e9 um ramo em evolu\u00e7\u00e3o, a maioria deles segue em fase de pesquisa e testes, mas j\u00e1 podem ser considerados um exemplo claro de como a tecnologia caminha em aux\u00edlio de diversos pilares sociais, como sa\u00fade e educa\u00e7\u00e3o.<\/p>\n

Os jogos – feitos inicialmente para pessoas n\u00e3o at\u00edpicas – tiveram uma grande import\u00e2ncia na evolu\u00e7\u00e3o da VC, j\u00e1 que o boom dos games ajudou a popularizar a tecnologia.<\/p>\n

A populariza\u00e7\u00e3o da internet e dos v\u00eddeo games nos anos 1990 trouxe grande avan\u00e7o para a tecnologia e, sobretudo, para a Vis\u00e3o Computacional (VC).<\/strong><\/p>\n

Ultrapassando a realidade<\/h2>\n

A partir da primeira d\u00e9cada dos anos 2000, o avan\u00e7o tecnol\u00f3gico passou a escalar de forma r\u00e1pida, trazendo recursos \u00e0 popula\u00e7\u00e3o que antes pareciam imposs\u00edveis. Uma das t\u00e9cnicas que melhor exemplifica o avan\u00e7o tremendo que processos de Vis\u00e3o Computacional (VC) vem ganhando \u00e9 o Deep Fake<\/a>. Popularizado em 2020, o recurso \u00e9 capaz de substituir a imagem de uma pessoa por outra, ou at\u00e9 mesmo criar a imagem de uma pessoa inexistente, em grava\u00e7\u00f5es de v\u00eddeos.<\/p>\n

O termo mistura as express\u00f5es \u201cDeep Learning\u201d e \u201cFake\u201d, o que quer dizer que utiliza-se do modelo hier\u00e1rquico criado pelo Deep Learning para fazer com que m\u00e1quinas aprendam padr\u00f5es de comportamento humanos e produzam uma situa\u00e7\u00e3o falsa, ou fake.<\/p>\n

O produto do Deep Fake \u00e9 um v\u00eddeo capaz de reproduzir express\u00f5es, apar\u00eancia e at\u00e9 a voz de uma pessoa. Em geral, eles s\u00e3o criados em tr\u00eas etapas, sendo a primeira delas respons\u00e1vel por captar o m\u00e1ximo de imagens poss\u00edvel de uma pessoa, com express\u00f5es, ilumina\u00e7\u00e3o variados – aqui, quanto mais, melhor.<\/p>\n

Em seguida, s\u00e3o gravados os movimentos de uma segunda pessoa, que servir\u00e1 de base para o v\u00eddeo. Por fim, acontece a jun\u00e7\u00e3o do material capturado, nascendo o v\u00eddeo \u201cque nunca aconteceu\u201d.<\/p>\n

Aprendizagem: o curioso paradoxo entre funcion\u00e1rios e m\u00e1quinas<\/h3>\n

Em todo o longo caminho percorrido pela Vis\u00e3o Computacional (VC) at\u00e9 aqui, um grande paradoxo se cria na evolu\u00e7\u00e3o da fun\u00e7\u00e3o daquele que \u00e9 respons\u00e1vel pela opera\u00e7\u00e3o.<\/p>\n

Quando os primeiros funcion\u00e1rios operadores de VC surgiram, sua fun\u00e7\u00e3o era, acima de tudo, pesquisar. Era de responsabilidade do funcion\u00e1rio ser tamb\u00e9m um pesquisador, que coletasse manualmente todos os dados a serem utilizados no processo.<\/p>\n

A diferen\u00e7a entre ele e o funcion\u00e1rio de hoje em dia \u00e9 que, atrav\u00e9s de diversas vertentes da Intelig\u00eancia Artificial (IA)<\/a>, as pr\u00f3prias m\u00e1quinas tornam-se capazes de pensar, utilizando Datasets para alimentar automaticamente Redes Neurais respons\u00e1veis por definirem padr\u00f5es.<\/strong><\/p>\n

O operador, ent\u00e3o, passa a ter a fun\u00e7\u00e3o de manusear a tecnologia, que pode ser aplicada em ind\u00fastrias de diversos setores, sem que haja a necessidade de um especialista.<\/p>\n

\u201cA partir da segunda d\u00e9cada dos anos 2000, come\u00e7ou a surgir uma nova revolu\u00e7\u00e3o, e estamos agora surfando nesta onda: \u00e9 a revolu\u00e7\u00e3o do Deep learning, uma \u00e1rea da Intelig\u00eancia Artificial.<\/strong> Encontrou-se formas de poder treinar Redes Neurais, que s\u00e3o tecnologias j\u00e1 usadas h\u00e1 muito tempo, mas que a partir de agora juntando-se o hardware dispon\u00edvel com um grupo de imagens dispon\u00edveis e uma melhoria nos algoritmos de processamento, consegue-se come\u00e7ar a treinar redes neurais que consigam aprender a partir de exemplos.\u201d<\/em> diz Hor\u00e1cio Fortunato, Coordenador de Pesquisa e Desenvolvimento da Pix Force.<\/p>\n

Sobre as constantes mudan\u00e7as em IA, Fortunato ainda acrescenta: “O treinamento de Redes Neurais \u00e9 uma revolu\u00e7\u00e3o que continua ainda hoje. A grande diferen\u00e7a entre o que se fazia antes e o que se faz agora \u00e9 que antes o programador tinha que pensar em como extrair informa\u00e7\u00f5es da imagem a partir de opera\u00e7\u00f5es minuciosas. A partir da evolu\u00e7\u00e3o das Redes Neurais, \u00e9 a pr\u00f3pria rede que aprende atrav\u00e9s de exemplos\u201d.<\/em><\/p>\n

Conhe\u00e7a Cases de Sucesso<\/h3>\n

Existem alguns casos que exemplificam perfeitamente como a Vis\u00e3o Computacional (VC) tem participado ativamente de processos evolutivos dentro de v\u00e1rios nichos de neg\u00f3cios.<\/p>\n

A an\u00e1lise de sentimentos, tamb\u00e9m conhecida como minera\u00e7\u00e3o de emo\u00e7\u00f5es, \u00e9 uma tecnologia que consegue interpretar como clientes reagem em rela\u00e7\u00e3o aos produtos de uma vitrine, por exemplo. Tudo isso acontece em tempo real, atrav\u00e9s das express\u00f5es que eles demonstram.<\/p>\n

Uma an\u00e1lise deste tipo passa a ser mais segura, assim como outros tantos projetos de VC, do que a avalia\u00e7\u00e3o feita atrav\u00e9s de m\u00e3o de obra humana, j\u00e1 que a presen\u00e7a de um funcion\u00e1rio pode fazer com que as pessoas se sintam inibidas. Al\u00e9m disso, uma pessoa pode interferir ou mal interpretar a rea\u00e7\u00e3o de outra.<\/p>\n

\"Introdu\u00e7\u00e3oOutra das fun\u00e7\u00f5es de reconhecimento facial que vem sendo bastante explorada existe dentro da \u00e1rea m\u00e9dica, mais especificamente para auxiliar pessoas com grandes limita\u00e7\u00f5es f\u00edsicas.<\/strong><\/p>\n

A Revista da Funda\u00e7\u00e3o de Amparo \u00e0 Pesquisa do Estado de S\u00e3o Paulo (Fapesp) publicou recentemente uma mat\u00e9ria sobre um sistema de VC que consegue fazer poss\u00edvel que movimentos de uma cadeira de rodas possam ser comandados atrav\u00e9s do reconhecimento de express\u00f5es faciais brandas, como o arquear das sobrancelhas e o piscar dos olhos.<\/p>\n

Detectar anomalias tamb\u00e9m \u00e9 um trabalho que tem recebido grande investimento de tecnologias de VC, j\u00e1 que precis\u00e3o e seguran\u00e7a s\u00e3o, neste caso, de suma import\u00e2ncia. Os desastres naturais, como barragens de minera\u00e7\u00e3o que transbordam por conta de enchentes, s\u00e3o um exemplo disso.<\/strong><\/p>\n

Para que a Rede Neural possa desempenhar seu papel, s\u00e3o coletadas imagens da barragem em seu estado natural e identificado como fora do padr\u00e3o tudo o que seja diferente disso.<\/p>\n

Um modelo de solu\u00e7\u00e3o de Vis\u00e3o Computacional (VC) criado para atuar na \u00e1rea biol\u00f3gica \u00e9 outro exemplo de solu\u00e7\u00e3o de sucesso.<\/strong> Chamada U-Net, a Rede Neural trabalha com um conjunto de imagens no Departamento de Ci\u00eancia da Computa\u00e7\u00e3o da Universidade de Freiburg, na Alemanha. Sua fun\u00e7\u00e3o \u00e9 detectar precocemente doen\u00e7as como o c\u00e2ncer, atrav\u00e9s da segmenta\u00e7\u00e3o de c\u00e9lulas.<\/p>\n

Muitos setores t\u00eam recebido benef\u00edcios diversos com a vertente da IA que tem revolucionado a ind\u00fastria. Sistemas de rastreio dentro de uma cadeia de produ\u00e7\u00e3o, por exemplo, podem garantir a qualidade de um produto, assim como agilizar sua identifica\u00e7\u00e3o em casos de recall.<\/p>\n

Da mesma forma, interpreta\u00e7\u00f5es de exames m\u00e9dicos t\u00eam tido maior precis\u00e3o, assim como a contagem de animais em grandes \u00e1reas, c\u00e1lculo de volumetria, autentica\u00e7\u00e3o e reconhecimento facial e sistemas de rob\u00f3tica.<\/p>\n

\u00c9 ineg\u00e1vel o quanto aplicar solu\u00e7\u00f5es de Intelig\u00eancia Artificial (IA) dentro da ind\u00fastria<\/a> pode fazer com que ela escale rapidamente em rela\u00e7\u00e3o \u00e0 concorr\u00eancia.<\/strong> Da mesma forma, a tecnologia tem facilitado, ou at\u00e9 mesmo viabilizado, processos que antes pareciam irreais.<\/p>\n

Pix Counter: mais avan\u00e7o nas linhas de produ\u00e7\u00e3o<\/h3>\n
\"Introdu\u00e7\u00e3o
Contagem de barras de metal feita com o Pix Counter<\/figcaption><\/figure>\n

Exemplo de tecnologia disruptiva que otimiza os processos industriais, o Pix Counter atua dentro de cadeias de produ\u00e7\u00e3o.<\/p>\n

Atrav\u00e9s de sensores e c\u00e2meras RGB, a solu\u00e7\u00e3o de Vis\u00e3o Computacional (VC) tem a fun\u00e7\u00e3o de fazer a contagem de itens em grande velocidade, operando com acur\u00e1cia acima de 98%.<\/strong><\/p>\n

Em rela\u00e7\u00e3o a confiabilidade dos n\u00fameros, a solu\u00e7\u00e3o chega a superar a capacidade humana, j\u00e1 que \u00e9 automatizada.<\/p>\n

A unidade piracicabana da ArcelorMittal, produtora multinacional de a\u00e7o, realizava o processo de contagem de feixes de barra de a\u00e7o atrav\u00e9s de m\u00e3o de obra humana. Com a implementa\u00e7\u00e3o da solu\u00e7\u00e3o da Pix Force em sua linha de produ\u00e7\u00e3o, a empresa passou a contar com um meio de contagem automatizado, r\u00e1pido e preciso.<\/strong><\/p>\n

Um \u00fanico feixe de barras de a\u00e7o, que levava antes entre duas e tr\u00eas horas para ter sua contagem conclu\u00edda, agora pode ser contado em cerca de um minuto, garantindo agilidade e seguran\u00e7a ao processo.<\/p>\n

Al\u00e9m disso, a solu\u00e7\u00e3o tamb\u00e9m traz precis\u00e3o para a confer\u00eancia de itens vendidos, j\u00e1 que as barras de a\u00e7o s\u00e3o produzidas por peso, mas vendidas por unidade. Isso obrigava a multinacional a estimar a quantidade de barras enviadas para distribui\u00e7\u00e3o com base no peso dos feixes, sem conseguir obter o n\u00famero exato de itens que estavam sendo destinados ao mercado internacional.<\/p>\n

Saiba mais sobre o Pix Counter e suas aplica\u00e7\u00f5es aqui<\/a>.<\/p>\n

Deeptrack: salto na ind\u00fastria mineradora com a ajuda de drones<\/h3>\n

Outro exemplo de solu\u00e7\u00e3o que otimiza processos acontece, desta vez, na ind\u00fastria mineradora. Chamada Deeptrack, ela introduz drones na inspe\u00e7\u00e3o da log\u00edstica realizada pelas correias transportadoras, superando a capacidade humana para realiza\u00e7\u00e3o da tarefa.<\/strong><\/p>\n