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

Muitas indústrias estão a integrar rapidamente soluções de inteligência artificial (AI) nas suas operações. Entre as muitas tecnologias de AI disponíveis atualmente, a visão computacional é uma das mais populares. A visão computacional é um ramo da AI 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 que estão a analisar.

Estima-se que o valor do mercado global de visão computacional cresça para 175,72 mil milhões de dólares até 2032. A visão computacional engloba várias tarefas que permitem aos sistemas de AI de visão analisar e interpretar dados visuais. Uma das tarefas de visão computacional mais utilizadas e essenciais é a deteção de objetos.

A deteção de objetos concentra-se na localização e classificação de objetos em dados visuais. Por exemplo, se mostrares a um computador uma imagem de uma vaca, ele pode detetar a vaca e desenhar uma caixa delimitadora à sua volta. Esta capacidade é útil em aplicações do mundo real, como a monitorização de animais, os carros autónomos e a videovigilância.

Então, como pode ser realizada a deteção de objetos? Uma forma é através de modelos de visão computacional. Por exemplo, o Ultralytics YOLO11 é um modelo de visão computacional que suporta tarefas de visão computacional, como a deteção de objetos.

Neste guia, vamos explorar a deteção de objetos e o seu funcionamento. Também vamos abordar algumas aplicações reais da deteção de objetos e do Ultralytics YOLO11.

Fig. 1. Utilização do suporte do YOLO11 para deteção de objetos na monitorização de gado.

O que é a deteção de objetos?#

A deteção de objetos é uma tarefa de visão computacional que identifica e localiza objetos em imagens ou vídeos. Responde a duas perguntas fundamentais: «Que objetos estão na imagem?» e «Onde estão localizados?»

Podes considerar a deteção de objetos como um processo que envolve duas etapas fundamentais. A primeira, a classificação de objetos, permite ao sistema reconhecer e atribuir rótulos a 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, indicando onde aparece na imagem. Em conjunto, estas etapas permitem às máquinas detetar e compreender objetos numa cena.

O aspeto da deteção de objetos que a torna única é a capacidade de reconhecer objetos e determinar precisamente a sua localização. Outras tarefas de visão computacional têm objetivos diferentes.

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

Fig. 2. Comparação de tarefas de visão computacional.

Reconhecimento de objetos vs. deteção de objetos#

Ao explorares vários termos de visão computacional, podes pensar que reconhecimento de objetos e deteção de objetos são intercambiáveis — mas têm finalidades diferentes. Uma excelente forma de compreender a diferença é analisar a deteção e o reconhecimento facial.

A deteção facial é um tipo de deteção de objetos. Identifica a presença de um rosto numa imagem e assinala a sua localização utilizando uma caixa delimitadora. Responde à pergunta: «Onde está o rosto na imagem?» Esta tecnologia é normalmente utilizada em câmaras de smartphones que focam automaticamente os rostos ou em câmaras de segurança que detetam quando uma pessoa está presente.

O reconhecimento facial, por outro lado, é uma forma de reconhecimento de objetos. Não se limita a detetar um rosto; identifica a pessoa a quem pertence, analisando características únicas e comparando-as com uma base de dados. Responde à pergunta: «Quem é esta pessoa?» Esta é a tecnologia por detrás do desbloqueio do telemóvel com o Face ID ou dos sistemas de segurança aeroportuária que verificam identidades.

Resumindo, a deteção de objetos encontra e localiza objetos, enquanto o reconhecimento de objetos os classifica e identifica.

Fig. 3. Deteção de objetos vs. reconhecimento de objetos. Imagem do autor.

Muitos modelos de deteção de objetos, como o Ultralytics YOLO11, foram concebidos para suportar a deteção facial, mas não o reconhecimento facial. O YOLO11 consegue identificar eficazmente a presença de um rosto numa imagem e desenhar uma caixa delimitadora à sua volta, sendo útil em aplicações como sistemas de videovigilância, monitorização de multidões e etiquetagem automática de fotografias. No entanto, não consegue determinar a identidade da pessoa. O YOLO11 pode ser integrado com modelos especificamente treinados para reconhecimento facial, como o Facenet ou o DeepFace, para permitir a deteção e a identificação num único sistema.

Compreender como funciona a deteção de objetos#

Antes de discutirmos como funciona a deteção de objetos, vamos analisar primeiro como um computador examina uma imagem. Em vez de ver uma imagem como nós, um computador divide-a numa grelha de pequenos quadrados chamados píxeis. Cada píxel contém informações sobre a cor e o brilho que os computadores podem processar para interpretar dados visuais.

Para compreender estes píxeis, os algoritmos agrupam-nos em regiões significativas com base na forma, na cor e na proximidade entre si. Os modelos de deteção de objetos, como o Ultralytics YOLO11, conseguem reconhecer padrões ou características nestes grupos de píxeis.

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

Um modelo típico de deteção de objetos tem três componentes fundamentais: backbone, neck e head. O backbone extrai características importantes de uma imagem. O neck processa e aperfeiçoa essas características, enquanto o head é responsável por prever as localizações dos objetos e classificá-los.

Aperfeiçoamento das deteções e apresentação dos resultados#

Depois de realizadas as deteções iniciais, aplicam-se técnicas de pós-processamento para melhorar a precisão e filtrar previsões redundantes. Por exemplo, as caixas delimitadoras sobrepostas são removidas, garantindo que apenas as deteções mais relevantes são mantidas. Além disso, são atribuídas pontuações de confiança a cada objeto detetado — valores numéricos que representam o grau de certeza do modelo de que um objeto detetado pertence a uma determinada classe — para indicar a confiança do modelo nas suas previsões.

Por fim, o resultado é apresentado com caixas delimitadoras desenhadas à volta dos objetos detetados, juntamente com os respetivos rótulos de classe previstos e pontuações de confiança. Estes resultados podem depois ser utilizados em aplicações do mundo real.

Modelos populares de deteção de objetos#

Atualmente, existem muitos modelos de visão computacional disponíveis, e alguns dos mais populares são os modelos YOLO da Ultralytics. São conhecidos pela sua velocidade, precisão e versatilidade. Ao longo dos anos, estes modelos tornaram-se mais rápidos, precisos e capazes de lidar com uma maior variedade de tarefas. O lançamento do Ultralytics YOLOv5 facilitou a implementação com frameworks como PyTorch, permitindo que mais pessoas utilizassem AI de visão avançada sem precisarem de conhecimentos técnicos profundos.

Com base nesta fundação, o Ultralytics YOLOv8 introduziu novas funcionalidades, como segmentação de instâncias, estimativa de pose e classificação de imagens. Agora, o YOLO11 leva tudo ainda mais longe, com um melhor desempenho em várias tarefas. Com menos 22% de 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 utilizando menos recursos, o que o torna mais rápido e fiável.

Quer sejas especialista em AI ou estejas apenas a começar, o Ultralytics YOLO11 oferece uma solução poderosa e fácil de utilizar para aplicações de visão computacional.

Treino personalizado de um modelo para deteção de objetos#

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

Por exemplo, o Ultralytics YOLO11 já foi treinado no conjunto de dados COCO, que contém um conjunto diversificado de objetos do dia a dia. Este modelo pré-treinado pode ser treinado adicionalmente de forma personalizada para detetar objetos específicos que possam não estar incluídos no conjunto de dados original.

Para fazer o treino personalizado do Ultralytics YOLO11, precisas de um conjunto de dados anotado que contenha imagens dos objetos que queres detetar. Por exemplo, se quiseres criar um modelo para identificar diferentes tipos de fruta numa mercearia, terias de criar um conjunto de dados com imagens anotadas de maçãs, bananas, laranjas, etc. Depois de preparado o conjunto de dados, o YOLO11 pode ser treinado, ajustando parâmetros como o tamanho do batch, a taxa de aprendizagem e o número de epochs para otimizar o desempenho.

Com esta abordagem, as empresas podem treinar o Ultralytics YOLO11 para detetar qualquer coisa, desde peças defeituosas no fabrico até espécies selvagens em projetos de conservação, adaptando o modelo às suas necessidades específicas.

Aplicações da deteção de objetos#

De seguida, vamos analisar alguns casos de utilização reais da deteção de objetos e a forma como está a transformar várias indústrias.

Deteção de perigos para condução autónoma#

Os carros autónomos utilizam tarefas de visão computacional, como a deteção de objetos, para navegar em segurança e evitar obstáculos. Esta tecnologia ajuda-os a reconhecer peões, outros veículos, buracos e perigos na estrada, permitindo-lhes compreender melhor o que os rodeia. Conseguem tomar decisões rápidas e circular em segurança no trânsito ao analisarem continuamente o ambiente envolvente.

Fig. 4. Exemplo da utilização da deteção de objetos para detetar buracos com o Ultralytics YOLO11.

Análise de imagens médicas na área da saúde#

As técnicas de imagiologia médica, como radiografias, ressonâncias magnéticas, tomografias computorizadas e ecografias, criam imagens altamente detalhadas do corpo humano para ajudar a diagnosticar e tratar doenças. Estes exames produzem grandes quantidades de dados que médicos, como radiologistas e patologistas, têm de analisar cuidadosamente para detetar doenças. No entanto, analisar cada imagem em detalhe pode ser demorado, e os especialistas humanos podem por vezes não detetar determinados pormenores devido à fadiga ou a limitações de tempo.

Modelos de deteção de objetos, como o Ultralytics YOLO11, podem ajudar ao identificar automaticamente características importantes em exames médicos, como órgãos, tumores ou anomalias, com elevada precisão. Os modelos treinados de forma personalizada podem destacar áreas preocupantes com caixas delimitadoras, ajudando os médicos a concentrarem-se mais rapidamente em potenciais problemas. Isto reduz a carga de trabalho, melhora a eficiência e fornece informações rápidas.

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

Reforço da segurança com deteção de pessoas e anomalias#

O rastreamento de objetos é uma tarefa de visão computacional suportada pelo Ultralytics YOLO11, que permite a monitorização em tempo real e o reforço da segurança. Baseia-se na deteção de objetos, identificando objetos e acompanhando continuamente o seu movimento ao longo dos frames. Esta tecnologia é amplamente utilizada em sistemas de videovigilância para melhorar a segurança em vários 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 deteção de intrusos em áreas restritas, na monitorização de multidões para identificar sobrelotação ou comportamentos suspeitos e no envio de alertas em tempo real quando é detetada atividade não autorizada. Ao acompanhar os objetos à medida que se movem, os sistemas de rastreamento baseados no Ultralytics YOLO11 reforçam a segurança, automatizam a monitorização e permitem respostas mais rápidas a potenciais ameaças.

Vantagens e desvantagens da deteção de objetos#

Eis alguns dos principais benefícios que a deteção de objetos pode trazer a várias indústrias:

• Automatização: A deteção de objetos pode ajudar a reduzir a necessidade de supervisão humana em tarefas como a monitorização de imagens de CCTV.
• Funciona com outros modelos de AI: Pode ser integrada com sistemas de reconhecimento facial, reconhecimento de ações e rastreamento para melhorar a precisão e a funcionalidade.
• Processamento em tempo real: Muitos modelos de deteção 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 estes benefícios realcem o impacto da deteção de objetos em diferentes casos de utilização, também é importante considerar os desafios envolvidos na sua implementação. Eis alguns dos principais desafios:

• Privacidade dos dados: A utilização de dados visuais, especialmente em áreas sensíveis como a videovigilância 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 estão parcialmente bloqueados ou ocultos, dificultando a sua deteção e classificação precisas pelo modelo.

• Computacionalmente dispendioso: Os modelos de alto desempenho exigem frequentemente GPUs (unidades de processamento gráfico) potentes para o processamento, tornando dispendiosa a implementação em tempo real.

Principais conclusões#

A deteção de objetos é uma ferramenta revolucionária na visão computacional que ajuda as máquinas a detetar e localizar objetos em imagens e vídeos. É utilizada em setores que vão desde os carros autónomos até à área da saúde, tornando as tarefas mais fáceis, seguras e eficientes. Com modelos mais recentes, 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 preocupações com a privacidade e objetos ocultos, a deteção de objetos é uma tecnologia fiável. A sua capacidade de automatizar tarefas, processar dados visuais em tempo real e integrar-se com outras ferramentas de AI de visão torna-a uma parte essencial das inovações de vanguarda.

Para saberes mais, visita o nosso repositório no GitHub e participa na nossa comunidade. Explora inovações em setores como a AI 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 AI de visão. 🚀