Um guia para uma análise aprofundada da deteção de objetos em 2025

Muitos setores estão a integrar rapidamente soluções de inteligência artificial (AI) nas suas operações. Entre as muitas tecnologias de IA disponíveis atualmente, a visão computacional é uma das mais populares. A visão computacional é um ramo da IA que ajuda os computadores a ver e compreender o conteúdo de imagens e vídeos, tal como os seres humanos. Permite que as máquinas reconheçam objetos, identifiquem padrões e compreendam aquilo para que estão a olhar.

Estima-se que o valor do mercado global de visão computacional chegue a 72,80 bilhões de dólares até 2034. A visão computacional abrange várias tarefas que permitem aos sistemas de IA de visão analisar e interpretar dados visuais. Uma das tarefas mais utilizadas e essenciais da visão computacional é a detecção de objetos.

A detecção de objetos concentra-se em localizar e classificar objetos em dados visuais. Por exemplo, se mostrares ao computador uma imagem de uma vaca, ele poderá detectar a vaca e desenhar uma caixa delimitadora à sua volta. Essa capacidade é útil em aplicações práticas como o monitoramento de animais, os carros autónomos e a vigilância.

Então, como se pode fazer a detecção de objetos? Uma maneira é usar modelos de visão computacional. Por exemplo, o Ultralytics YOLO11 é um modelo de visão computacional que oferece suporte a tarefas como a detecção de objetos.

Neste guia, vamos explorar a detecção de objetos e como ela funciona. Também vamos abordar algumas aplicações práticas da detecção de objetos e do Ultralytics YOLO11.

Fig. 1. Uso do suporte à detecção de objetos do YOLO11 para monitorizar gado.

O que é detecção de objetos?#

A detecção de objetos é uma tarefa de visão computacional que identifica e localiza objetos em imagens ou vídeos. Ela responde a duas perguntas essenciais: “Que objetos estão na imagem?” e “Onde estão localizados?”

Podes pensar na detecção de objetos como um processo que envolve duas etapas essenciais. A primeira, a classificação de objetos, permite que o sistema reconheça e rotule objetos, como identificar um gato, um carro ou uma pessoa com base em padrões aprendidos. A segunda, a localização, determina a posição do objeto desenhando uma caixa delimitadora à sua volta e indicando onde ele aparece na imagem. Juntas, essas etapas permitem que as máquinas detectem e compreendam objetos numa cena.

O que torna a detecção de objetos única é a capacidade de reconhecer objetos e determinar a sua localização com precisão. Outras tarefas de visão computacional têm objetivos diferentes.

Por exemplo, a classificação de imagens atribui um rótulo à imagem inteira. Já a segmentação de imagens fornece uma compreensão de diferentes elementos ao nível dos píxeis. Por outro lado, a detecção de objetos combina reconhecimento e localização. Isso torna-a especialmente útil para tarefas como contar vários objetos em tempo real.

Fig. 2. Comparação entre tarefas de visão computacional.

Reconhecimento de objetos versus detecção de objetos#

Ao explorares vários termos de visão computacional, podes achar que reconhecimento de objetos e deteção de objetos são conceitos intercambiáveis, mas têm finalidades diferentes. Uma ótima forma de compreender a diferença é observar a deteção e o reconhecimento facial.

A detecção facial é um tipo de detecção de objetos. Ela identifica a presença de um rosto numa imagem e marca a sua localização com uma caixa delimitadora. Responde à pergunta: “Onde está o rosto na imagem?” Essa tecnologia é usada com frequência em câmeras de smartphones que focam automaticamente nos rostos ou em câmeras de segurança que detectam a presença de uma pessoa.

Por outro lado, o reconhecimento facial é uma forma de reconhecimento de objetos. Ele não se limita a detectar um rosto: identifica a quem pertence, analisando características únicas e comparando-as com uma base de dados. Responde à pergunta: “Quem é esta pessoa?” Essa é a tecnologia usada para desbloquear o telemóvel com o Face ID ou em sistemas de segurança aeroportuária que verificam identidades.

Em poucas palavras, a detecção de objetos encontra e localiza objetos, enquanto o reconhecimento de objetos os classifica e identifica.

Fig. 3. Detecção de objetos versus reconhecimento de objetos. Imagem do autor.

Os modelos de deteção de objetos, como o Ultralytics YOLO11, podem ser treinados para a deteção facial (por exemplo, com o conjunto de dados WIDER FACE), mas não para o reconhecimento facial. Um modelo YOLO11 treinado consegue identificar com eficiência a presença de um rosto numa imagem e desenhar uma caixa delimitadora à volta dele, sendo útil para aplicações como sistemas de vigilância, monitorização de multidões e etiquetagem automática de fotografias. No entanto, não consegue determinar de quem é o rosto. O YOLO11 pode ser integrado com modelos treinados especificamente para o reconhecimento facial, como o FaceNet ou o DeepFace, para permitir a deteção e a identificação num único sistema.

Entenda como funciona a detecção de objetos#

Antes de falarmos sobre como funciona a detecção de objetos, vamos analisar mais de perto como um computador analisa uma imagem. Em vez de ver uma imagem como nós, o computador divide-a numa grade de pequenos quadrados chamados píxeis. Cada píxel contém informações sobre cor e brilho que os computadores podem processar para interpretar dados visuais.

Para interpretar esses píxeis, os algoritmos agrupam-nos em regiões significativas com base na forma, na cor e na proximidade entre eles. Modelos de detecção de objetos, como o Ultralytics YOLO11, conseguem reconhecer padrões ou características nesses grupos de píxeis.

Por exemplo, um carro autónomo não vê um peão como nós; deteta formas e padrões que correspondem às características de um peão. Estes modelos dependem de um treino extensivo com conjuntos de dados de imagens etiquetadas, que lhes permite aprender as características distintivas de objetos como carros, sinais de trânsito e pessoas.

Um modelo típico de detecção de objetos tem três componentes principais: backbone, neck e head. O backbone extrai características importantes de uma imagem. O neck processa e aperfeiçoa essas características, enquanto o head prevê a localização dos objetos e os classifica.

Aperfeiçoamento das detecções e apresentação dos resultados#

Depois das detecções iniciais, aplicam-se técnicas de pós-processamento para melhorar a precisão e filtrar previsões redundantes. Por exemplo, removem-se caixas delimitadoras sobrepostas, garantindo que apenas as detecções mais relevantes sejam mantidas. Além disso, são atribuídas pontuações de confiança a cada objeto detectado. Esses valores numéricos representam o grau de certeza do modelo de que um objeto detectado pertence a determinada classe.

Por fim, o resultado é apresentado com caixas delimitadoras desenhadas à volta dos objetos detectados, acompanhadas pelos rótulos das classes previstas e pelas pontuações de confiança. Esses resultados podem então ser usados em aplicações práticas.

Modelos populares de detecção de objetos#

Atualmente, há muitos modelos de visão computacional disponíveis, e alguns dos mais populares são os modelos YOLO da Ultralytics. Eles são conhecidos pela velocidade, precisão e versatilidade. Ao longo dos anos, esses modelos ficaram mais rápidos, mais precisos e capazes de lidar com uma gama mais ampla de tarefas. O lançamento do Ultralytics YOLOv5 facilitou a implementação com frameworks como PyTorch, permitindo que mais pessoas usassem IA visual avançada sem precisarem de conhecimentos técnicos aprofundados.

Com base nestes fundamentos, o Ultralytics YOLOv8 ampliou o suporte a tarefas como segmentação de instâncias, classificação de imagens e estimativa de pose. O YOLO11 foi ainda mais longe, oferecendo melhor desempenho em várias tarefas, e foi posteriormente sucedido pelo Ultralytics YOLO26. Com 22% menos parâmetros do que o YOLOv8m, o YOLO11m alcança uma precisão média (mAP) superior no conjunto de dados COCO. Em termos simples, o YOLO11 consegue reconhecer objetos com maior precisão e utilizar menos recursos, o que o torna mais rápido e fiável.

Seja um especialista em IA ou alguém que está a começar, o Ultralytics YOLO11 oferece uma solução poderosa e fácil de usar para aplicações de visão computacional.

Treinamento personalizado de um modelo para detecção de objetos#

Treinar modelos de IA de visão consiste em ajudar os computadores a reconhecer e compreender imagens e vídeos. No entanto, o treino pode ser demorado. Em vez de começar do zero, a aprendizagem por transferência acelera o processo utilizando modelos pré-treinados que já reconhecem padrões comuns.

Por exemplo, o Ultralytics YOLO11 já foi treinado com o conjunto de dados COCO, que contém uma variedade de objetos do dia a dia. Esse modelo pré-treinado pode receber treinamento personalizado adicional para detectar objetos específicos que talvez não estejam incluídos no conjunto de dados original.

Para treinar um modelo personalizado com o Ultralytics YOLO11, precisas de um conjunto de dados etiquetado com imagens dos objetos que queres detetar. Por exemplo, se quiseres criar um modelo para identificar diferentes tipos de fruta numa mercearia, criarias um conjunto de dados com imagens etiquetadas de maçãs, bananas, laranjas, etc. Depois de preparar o conjunto de dados, podes treinar o YOLO11, ajustando definições de treino como o tamanho do lote, a taxa de aprendizagem e o número de épocas para otimizar o desempenho.

Com esta abordagem, as empresas podem treinar o Ultralytics YOLO11 para detetar praticamente qualquer coisa, desde peças defeituosas na indústria transformadora até espécies selvagens em projetos de conservação, adaptando o modelo às suas necessidades específicas.

Aplicações da detecção de objetos#

Agora, vamos ver alguns casos de uso práticos da detecção de objetos e como ela está a transformar vários setores.

Detecção de perigos para a condução autónoma#

Os carros autónomos usam tarefas de visão computacional, como a detecção de objetos, para navegar com segurança e evitar obstáculos. Essa tecnologia ajuda-os a reconhecer peões, outros veículos, buracos e perigos na estrada, permitindo-lhes compreender melhor o que os rodeia. Ao analisarem continuamente o ambiente, podem tomar decisões rápidas e deslocar-se com segurança no trânsito.

Fig. 4. Exemplo de uso da detecção de objetos para detectar buracos com o Ultralytics YOLO11.

Análise de imagens médicas na área da saúde#

Técnicas de diagnóstico por imagem, como radiografias, ressonâncias magnéticas, tomografias computadorizadas e ultrassonografias, criam imagens muito detalhadas do corpo humano para ajudar a diagnosticar e tratar doenças. Esses exames geram grandes volumes de dados que médicos, como radiologistas e patologistas, precisam analisar cuidadosamente para detectar doenças. No entanto, analisar cada imagem em detalhe pode demorar, e os especialistas humanos podem deixar passar alguns detalhes devido à fadiga ou à falta de tempo.

Modelos de detecção de objetos, como o Ultralytics YOLO11, podem ajudar a identificar automaticamente características importantes em exames médicos, como órgãos, tumores ou anomalias, com alta precisão. Modelos treinados de forma personalizada podem destacar áreas preocupantes com caixas delimitadoras, ajudando os médicos a identificar possíveis problemas mais rapidamente. Isso reduz a carga de trabalho, melhora a eficiência e fornece informações rapidamente.

Fig. 5. Análise de imagens médicas com o Ultralytics YOLO11.

Reforço da segurança com a detecção de pessoas e anomalias#

O rastreamento de objetos é uma tarefa de visão computacional compatível com o Ultralytics YOLO11, que permite o monitoramento em tempo real e reforça a segurança. Ele amplia a detecção de objetos ao identificá-los e acompanhar continuamente os seus movimentos entre os fotogramas. Essa tecnologia é amplamente utilizada em sistemas de vigilância para melhorar a segurança em diferentes ambientes.

Por exemplo, em escolas e creches, o rastreamento de objetos pode ajudar a monitorizar as crianças e impedir que se afastem. Em aplicações de segurança, desempenha um papel fundamental na detecção de intrusos em áreas restritas, no monitoramento de multidões para identificar aglomerações ou comportamentos suspeitos e no envio de alertas em tempo real quando é detectada uma atividade não autorizada. Ao acompanhar os objetos em movimento, os sistemas de rastreamento baseados no Ultralytics YOLO11 reforçam a segurança, automatizam o monitoramento e permitem responder mais rapidamente a possíveis ameaças.

Vantagens e desvantagens da detecção de objetos#

Estas são algumas das principais vantagens que a detecção de objetos pode trazer para vários setores:

• Automatização: A detecção de objetos pode ajudar a reduzir a necessidade de supervisão humana em tarefas como o monitoramento de imagens de câmeras de segurança.
• Compatibilidade com outros modelos de IA: Pode ser integrada a sistemas de reconhecimento facial, reconhecimento de ações e rastreamento para melhorar a precisão e as funcionalidades.
• Processamento em tempo real: Muitos modelos de detecção de objetos, como o Ultralytics YOLO11, são rápidos e eficientes, o que os torna ideais para aplicações em tempo real que exigem resultados imediatos.

Embora essas vantagens mostrem o impacto da detecção de objetos em diferentes casos de uso, também é importante considerar os desafios envolvidos na sua implementação. Estes são alguns dos principais desafios:

• Privacidade dos dados: O uso de dados visuais, especialmente em áreas sensíveis como a vigilância ou a área da saúde, pode suscitar questões de privacidade e preocupações de segurança.
• Oclusão: A oclusão na deteção de objetos ocorre quando os objetos ficam parcialmente bloqueados ou ocultos, dificultando a deteção e classificação precisas pelo modelo.
• Computacionalmente dispendioso: Os modelos de alto desempenho exigem muitas vezes GPUs (unidades de processamento gráfico) potentes para processar os dados, o que torna dispendiosa a implementação em tempo real.

Principais conclusões#

A deteção de objetos é uma ferramenta amplamente utilizada na visão computacional que ajuda as máquinas a detetar e localizar objetos em imagens e vídeos. É utilizada em setores que vão dos carros autónomos à saúde, tornando as tarefas mais fáceis, seguras e eficientes. Com modelos como o Ultralytics YOLO11, as empresas podem criar facilmente modelos personalizados de deteção de objetos para desenvolver aplicações especializadas de visão computacional.

Embora existam alguns desafios, como questões de privacidade e objetos ocultos, a deteção de objetos é uma tecnologia fiável. A capacidade de automatizar tarefas, processar dados visuais em tempo real e integrar-se com outras ferramentas de IA de visão torna-a essencial nos sistemas modernos de IA de visão.

Para saberes mais, visita o nosso repositório do GitHub e participa na nossa comunidade. Explora inovações em setores como a IA em carros autónomos e a visão computacional na agricultura nas nossas páginas de soluções. Consulta as nossas opções de licenciamento do YOLO e dá vida aos teus projetos de IA de visão.