Visão computacional para segurança no local de trabalho e conformidade com EPI

Uma câmera apontada para um local de trabalho pode responder com confiabilidade a um conjunto restrito de perguntas. Esta pessoa está usando um capacete de segurança? Alguém entrou na zona de exclusão ao redor daquela prensa? Quantas pessoas estão neste corredor agora mesmo? Esses são problemas de object detection, segmentação e rastreamento, e os modelos de visão modernos lidam bem com eles.

O que uma câmera não pode fazer é dizer se um local é seguro. A segurança é um julgamento sobre regras, contexto e intenção, e a lacuna entre "detectou uma pessoa sem colete visível" e "registrou uma violação que exige ação" é onde a maioria dos projetos de segurança com visão computacional obtém sucesso ou é discretamente desativada.

Este guia aborda quais são realmente as tarefas de subjacência de detecção, quando comprar uma plataforma de segurança pronta em vez de construir uma, e como as equipes que constroem usam os modelos Ultralytics YOLO para fazer isso.

O que a visão computacional detecta em um local de trabalho#

Cada recurso de segurança comercializado como um resultado se divide em uma ou mais tarefas de visão padrão. Ser explícito sobre qual você precisa é a diferença entre um projeto com escopo definido e um sem limites.

Dois desses pontos são muito mais difíceis do que os fornecedores dão a entender. A associação é o primeiro: detectar um capacete e detectar uma pessoa são tarefas fáceis, e decidir corretamente a qual pessoa esse capacete pertence em um grupo de seis trabalhadores com sobreposição não é. O segundo é a geometria do mundo real. Uma zona desenhada em uma imagem 2D não é uma zona no chão e, sem calibração, uma pessoa parada bem fora de uma área de perigo pode parecer estar dentro do polígono.

Detecção de EPI: o que "usar" significa para um modelo#

A detecção de EPI parece ser binária, mas não é. Um modelo treinado em capacetes encontrará capacetes. Ele não saberá nativamente que um capacete carregado em uma mão, usado para trás ou desafivelado viola a regra, porque esses são três estados visuais diferentes que contêm um capacete.

Se o monitoramento de EPI for o objetivo, especifique a regra no nível em que o modelo pode ser avaliado:

• Quais itens, por zona. Capacete em todo lugar, mais proteção ocular apenas no setor de esmerilhamento, são duas regras, não uma.
• Quais pessoas e quais isenções. Visitantes, motoristas que permanecem nas cabines e funcionários de escritório cruzando um pátio geralmente se enquadram em regras diferentes.
• O que conta como conforme, incluindo uso parcial e incorreto.
• O que acontece em uma detecção. Um alarme em tempo real, um resumo de turno e uma tendência semanal anonimizada são três produtos diferentes com três requisitos de precisão diferentes.

Esse último ponto decide a dificuldade do projeto mais do que o modelo em si. Uma tendência de conformidade semanal tolera erros individuais porque eles se compensam na média. Um alarme em tempo real não: um alarme falso a cada poucos minutos faz com que o sistema seja silenciado em uma semana.

Construir ou comprar#

Esta é a decisão que a maioria das equipes toma implicitamente e deveria tomar explicitamente, porque o mercado de fornecedores de produtos de segurança prontos é genuinamente bom e o caso de construção é genuinamente mais restrito do que parece.

Compre uma plataforma de segurança quando o seu problema for um programa de segurança e não um problema de visão. Se você precisa de fluxos de trabalho de revisão de incidentes, relatórios de EHS, rastreamento de açõescorretivas, trilhas de aprovação e a equipe de implementação de terceiros no local, compre. Esses fornecedores construíram anos de fluxo de trabalho em torno da detecção, e a detecção é a menor parte do que você está pagando.

Construa quando a restrição for algo que um produto não consegue contornar. Na prática, isso significa:

• Câmeras e infraestrutura que você já possui e não vai substituir, especialmente ótica não padrão, térmica ou feeds que já fluem através de seus próprios sistemas. - Uma regra específica do local que nenhum produto oferece: sua própria peça, sua própria máquina, seu próprio procedimento. - Um requisito rigoroso de local próprio (on-premise) ou isolado (air-gapped), onde a filmagem não pode sair do site de forma alguma. - Você está lançando um produto. Se o monitoramento de segurança for um recurso de algo que você vende (uma máquina, um robô, uma câmera, uma plataforma de site), você é um construtor, não um comprador. - A integração é todo o trabalho, porque a detecção deve pousar dentro de um fluxo existente de PLC, SCADA, controle de acesso ou MES em vez do painel de um fornecedor.

Se nenhum desses casos se aplicar, comprar costuma ser mais rápido e mais barato, e é a recomendação honesta.

Fornecedores de plataformas de segurança que vale a pena considerar#

Estes são produtos acabados com equipes de implantação e fluxo de trabalho de EHS. O Ultralytics não é uma alternativa a eles; é o que uma equipe usa quando está construindo em vez de comprando.

Intenseye. Uma plataforma de visão de EHS empresarial que cobre EPI, ergonomia, organização e riscos relacionados a veículos em grandes pegadas multissite. Sua força é a amplitude de casos de uso pré-construídos e a camada de programa de EHS ao redor deles. Melhor ajuste para grandes organizações industriais com uma função de segurança madura. Compensação: escopo e processo corporativos, não uma implantação leve.

Protex AI. Uma plataforma de inteligência de segurança que preserva a privacidade e se conecta a CFTVs existentes, revelando eventos de risco e tendências. Sua força é a camada de análise e priorização: ajudando as equipes de segurança a verem onde o risco se concentra, em vez de apenas disparar alertas. Melhor ajuste para organizações com parques de câmeras existentes. Compensação: projetada em torno de seu próprio fluxo de trabalho em vez de uma integração personalizada profunda.

viAct. Maior cobertura de ambientes de construção e engenharia civil pesada, com módulos baseados em cenários para segurança do local, além de monitoramento de EPI e equipamentos. Melhor ajuste para projetos de construção e infraestrutura. Compensação: módulos voltados para construção podem se encaixar de forma menos natural em uma planta de fabricação.

Everguard.ai. Combina visão com dados de wearables e sensores para conscientização da segurança do trabalhador, visando indústrias pesadas como a siderurgia. Sua força é a fusão de múltiplos sensores em vez de apenas câmeras. Melhor ajuste para ambientes industriais pesados de alto perigo. Compensação: o componente vestível adiciona trabalho de lançamento e gerenciamento de mudanças.

Visionify. Focado em um catálogo de aplicativos de visão de segurança no local de trabalho implantáveis em câmeras existentes. Sua força é uma biblioteca de casos de uso definidos que mantém o escopo simples. Melhor ajuste para equipes que desejam um caso de uso de segurança específico funcionando rapidamente. Compensação: superfície de plataforma mais estreita do que as suítes de EHS empresariais.

Groundlight. Adota uma abordagem diferente, permitindo que as equipes definam perguntas visuais em linguagem natural com escalonamento humano quando o modelo estiver incerto. Sua força é a velocidade para obter uma verificação funcional sem montar um conjunto de dados primeiro. Melhor ajuste para equipes que validam se uma verificação visual é viável. Compensação: o modelo de escalonamento atende melhor a verificações intermitentes do que o monitoramento contínuo de alto volume.

Construindo monitoramento de segurança com modelos Ultralytics YOLO#

Para equipes na coluna de construção, a camada de visão é a parte que agora está bem resolvida. Os modelos Ultralytics YOLO (YOLOv8, YOLO11 e YOLO26) cobrem as tarefas da tabela acima: detecção de objetos para EPI e equipamentos, rastreamento para lógica de zonas e veículos, pose estimation para postura e detecção de quedas, e segmentação onde os limites importam mais do que as caixas.

Uma construção viável se parece com isto.

Comece a partir da regra, não do modelo. Escreva a regra em linguagem aplicável, defina a zona em coordenadas do mundo real e decida o que uma detecção aciona. Este é o passo que é pulado e o motivo pelo qual a maioria dos pilotos estagna.

Colete a partir das câmeras que você realmente usará. Um modelo treinado em conjuntos de dados públicos de EPI e implantado na câmera do seu pátio ao anoitecer vai desapontar. Suas próprias filmagens (turno da noite, chuva, contraluz, o ângulo incômodo que ninguém quis reinstalar) são o conjunto de dados que importa. A Ultralytics Platform pode anotar essa filmagem com Smart Annotation baseado em SAM e treinar com ela sem mover os dados para um sistema separado.

Escolha o destino de implantação cedo, porque ele restringe o modelo. Um modelo rodando em um pequeno dispositivo de ponta (edge) próximo à câmera tem um orçamento de tamanho e latência diferente de um rodando em um servidor de site lidando com vinte fluxos. Os modelos Ultralytics exportam para formatos incluindo ONNX e TensorRT por esse motivo, e o destino de exportação deve ser fixado antes de você otimizar para uma precisão que não pode implantar.

Coloque a lógica acima do modelo. Detecções não são violações. A camada que converte caixas em eventos (persistência em N quadros, geometria de zona, isenções, horários de turno, eliminação de ruído/debounce) é onde a taxa de alarmes falsos é realmente controlada, e é normal que ela contenha mais código do que a integração do modelo.

Encaminhe os alertas para onde as pessoas já trabalham. Um painel que ninguém abre não é um controle. Canais existentes, passagens de plantão existentes, sistemas de ação corretiva existentes.

Planeje a nova capacitação (retreinamento). Os locais mudam: novos equipamentos, nova cor de colete, uma câmera reposicionada, luz sazonal. O monitoramento de produção existe para capturar o desvio resultante, e o ciclo de retorno para anotação e retreinamento deve ser uma rotina, e não um incidente.

Sobre licenciamento, uma coisa a resolver antes que um piloto se torne um produto: os modelos Ultralytics YOLO são oferecidos sob AGPL-3.0, e implantações comerciais ou proprietárias geralmente precisam de uma licença Ultralytics Enterprise. Se o monitoramento de segurança for entrar em um produto que você envia ou em um sistema que você não pode abrir o código-fonte, resolva isso no início em vez de depois da construção.

Privacidade, consentimento e monitoramento de trabalhadores#

Isso determina se um sistema de segurança sobrevive ao seu primeiro mês, e não é principalmente uma questão técnica.

O monitoramento de segurança não requer a identificação de ninguém. Todas as tarefas neste guia (conformidade com EPI, intrusão em zonas, crowd density, postura) funcionam com detecções de pessoas anônimas. Nenhuma delas precisa de reconhecimento facial ou correspondência de identidade, e a Ultralytics não recomenda a criação de identificação de trabalhadores em sistemas de segurança. Detecte a condição, não a pessoa.

Restrições práticas a serem projetadas desde o início:

• Limitação de finalidade. Um sistema instalado para segurança não deve se tornar discretamente um monitor de produtividade. Uma vez que os trabalhadores acreditem que sim, a cooperação cessa.
• Consulta. Em grande parte da União Europeia, o monitoramento de trabalhadores baseado em câmeras exige o envolvimento do conselho de empresa e, em muitas jurisdições, requer consulta, aviso prévio ou ambos. Esta é uma condição prévia, não uma formalidade.
• Minimização de dados. Prefira contagens e eventos em vez de filmagens armazenadas. Onde os clipes forem retidos, retenha-os brevemente e por um motivo declarado.
• Relatórios agregados por padrão. Tendências a nível de zona e de turno impulsionam melhorias. A pontuação de conformidade a nível individual transforma uma ferramenta de segurança em uma ferramenta disciplinar e destrói a confiança.
• Processamento local sempre que possível. A inferência no local (on-premise) ou no dispositivo (edge) mantém as filmagens no site e remove toda uma classe de argumentos de conformidade. Esta é uma razão comum pela qual as equipes constroem em vez de comprar.
• Controle de acesso e auditoria. Quem pode ver as filmagens, quem pode exportá-las e o que é registrado.

As organizações que obtêm valor desta tecnologia tratam-na como uma forma de encontrar padrões perigosos (esta travessia é usada de forma insegura no turno da noite, esta zona é inserida sempre que aquela máquina emperra) e não como uma forma de pegar indivíduos.

Por que a precisão de demonstração não sobrevive a um local real#

A demonstração de cada fornecedor funciona. A lacuna entre uma demonstração e uma implantação é previsível o suficiente para ser planejada.

A qualidade da detecção cai com a distância e a resolução: uma pessoa ocupando trinta pixels de altura é uma detecção muito mais difícil do que uma preenchendo o quadro, e um capacete nessa pessoa é ainda mais difícil. A iluminação é a segunda decepção confiável: o anoitecer, os faróis, os arcos de solda, a iluminação mista de sódio e LED, e a chuva na lente degradam os modelos treinados em imagens limpas à luz do dia. A oclusão é a terceira: locais reais estão cheios de pessoas atrás de maquinários, estantes e umas das outras.

Depois, há o problema de associação novamente. Em um grupo, atribuir corretamente equipamentos a indivíduos é onde os sistemas de EPI geram a maioria de seus falsos positivos, e é a métrica que vale a pena exigir em um piloto.

Execute o piloto de acordo. Insista em suas próprias filmagens, em sua pior câmera e em seu turno da noite. Meça alarmes falsos por turno em vez da precisão em um conjunto de teste selecionado, porque os alarmes falsos por turno determinam se o sistema ainda estará ligado em três meses.