VISION : Robô móvel com visão computacional aplicado à detecção de placas de segurança.

Abstract

A evolução tecnológica tem impactado significativamente a robótica e os sistemas autônomos, especialmente o desenvolvimento de robôs móveis equipados com visão computacional. Nesse contexto, o uso de Redes Neurais Convolucionais (CNNs) tem se destacado por sua elevada eficiência em tarefas de detecção e classificação de imagens, permitindo que esses sistemas interpretem o ambiente e tomem decisões com maior precisão. Entretanto, um dos principais desafios dessa aplicação consiste em garantir acurácia e desempenho em tempo real em dispositivos embarcados de baixo custo. Diante disso, objetiva-se com esse trabalho desenvolver um protótipo de robô móvel equipado com visão computacional para a detecção automática de placas de segurança, como saída de emergência, risco de choque elétrico e uso obrigatório de EPI. A motivação deste trabalho está relacionada ao aumento da segurança em ambientes industriais, propondo um sistema capaz de realizar a identificação rápida e eficiente de placas de sinalização durante atividades de inspeção. A metodologia foi estruturada em quatro etapas principais: construção da base de dados, treinamento e validação do modelo na plataforma Edge Impulse, desenvolvimento e integração do hardware do robô e realização de testes experimentais para validação do sistema. O modelo foi implementado na plataforma Edge Impulse e a inferência foi realizada por meio de um dispositivo móvel. O sistema foi avaliado em um robô com chassi 4WD, equipado com motores DC, módulo Bluetooth e câmera para aquisição das imagens. Os resultados experimentais demonstraram desempenho satisfatório do sistema proposto. Em testes simulados, o modelo alcançou acurácia de 97,33% e F1 Score próximo de 99%. Nos testes de inferência em dispositivo móvel, as médias de confiança das classes foram 0,91 para EPI, 0,98 para Saída de Emergência e 0,89 para Choque. Nos testes dinâmicos com o robô em movimento, as médias foram 0,93 para EPI, 0,96 para Saída de Emergência e 0,93 para Choque, evidenciando robustez e consistência do sistema em diferentes condições de aquisição de imagem.