Tudo o que precisas de saber sobre visão computacional em 2025

Há vinte anos, a ideia de máquinas e computadores capazes de enxergar e entender o mundo era apenas ficção científica. Hoje, graças aos avanços da inteligência artificial (IA), esse conceito se tornou realidade. Em particular, a visão computacional (CV), um ramo da IA, permite que as máquinas entendam e analisem imagens e vídeos. Seja para identificar objetos em tempo real, aprimorar sistemas de segurança ou automatizar tarefas complexas, a visão computacional continua ampliando o que as máquinas podem fazer.

A visão computacional está moldando rapidamente o futuro da tecnologia, à medida que vários setores exploram diferentes formas de adotar seus recursos exclusivos. O tamanho do mercado global de visão computacional chegou a US$ 19,83 bilhões em 2024 e deve crescer 19,8% ao ano nos próximos anos.

Fig. 1. Tamanho do mercado global de visão computacional.

Neste artigo, vamos analisar mais de perto a visão computacional, explicando o que é, como evoluiu e como funciona hoje. Também vamos explorar algumas de suas aplicações mais interessantes.

O que é visão computacional?#

A visão computacional é um subcampo da IA que usa aprendizado de máquina e redes neurais para ensinar computadores a entender o conteúdo de dados visuais, como imagens ou arquivos de vídeo. As informações obtidas a partir de imagens processadas podem ser usadas para tomar decisões melhores. Por exemplo, no varejo, a visão computacional pode monitorar os níveis de estoque por meio da análise de imagens de prateleiras ou melhorar a experiência de compra com sistemas de pagamento automatizados. Muitas empresas já usam a tecnologia de visão computacional em diferentes aplicações, que vão de tarefas como adicionar filtros a fotos de smartphone até o controle de qualidade na manufatura.

Você talvez esteja se perguntando: por que há tanta necessidade de soluções de visão computacional? Tarefas que exigem atenção constante, como detectar defeitos ou reconhecer padrões, podem ser difíceis para as pessoas. Os olhos se cansam e detalhes podem passar despercebidos, especialmente em ambientes acelerados ou complexos.

Embora as pessoas sejam boas em reconhecer objetos de diferentes tamanhos, cores, iluminações ou ângulos, muitas vezes têm dificuldade para manter a consistência sob pressão. As soluções de visão computacional, por outro lado, funcionam sem parar e processam grandes quantidades de dados visuais com rapidez e precisão. Por exemplo, elas podem analisar o tráfego em tempo real para detectar congestionamentos, otimizar o tempo dos semáforos ou até identificar acidentes mais rapidamente do que um observador humano.

Entendendo a história da visão computacional#

Ao longo dos anos, a visão computacional evoluiu de um conceito teórico para uma tecnologia confiável que impulsiona a inovação em vários setores. Confira alguns dos principais marcos que definiram seu desenvolvimento:

• Décadas de 1950 e 1960: pesquisadores começaram a desenvolver algoritmos para processar e analisar dados visuais, mas o progresso foi lento devido à capacidade computacional limitada.
• Década de 1970: essa década trouxe grandes avanços nos algoritmos, como a Transformada de Hough, que aprimorou a detecção de linhas e formas geométricas em imagens. Também surgiu o Reconhecimento Óptico de Caracteres (OCR), que possibilitou a leitura de textos impressos por máquinas.
• Décadas de 1980 e 1990: o aprendizado de máquina começou a desempenhar um papel na visão computacional, abrindo caminho para recursos mais avançados e avanços futuros.
• Décadas de 2000 e 2010: o aprendizado profundo trouxe uma nova dimensão à visão computacional, capacitando as máquinas a interpretar dados visuais com mais eficiência. Ele aprimorou recursos como a identificação de objetos, a análise de movimento e a execução de tarefas complexas.

Hoje em dia, a visão computacional avança rapidamente e transforma a maneira como resolvemos problemas em áreas como saúde, veículos autônomos e cidades inteligentes. Os modelos Ultralytics YOLO (You Only Look Once), projetados para tarefas de visão computacional em tempo real, facilitam a implementação eficaz e precisa da IA para visão em vários setores. À medida que a IA e o hardware continuam evoluindo, esses modelos ajudam as empresas a tomar decisões mais inteligentes e otimizar operações por meio da análise avançada de dados visuais.

Entendendo como a visão computacional funciona#

Os sistemas de visão computacional usam redes neurais, algoritmos inspirados no funcionamento do cérebro humano, para analisar imagens. Um tipo específico, chamado redes neurais convolucionais (CNNs), é especialmente adequado para reconhecer padrões, como bordas e formas em imagens.

Para simplificar os dados visuais, técnicas como o pooling se concentram nas partes mais importantes de uma imagem, enquanto camadas adicionais processam essas informações para realizar tarefas como identificar características ou detectar objetos. Modelos avançados como o Ultralytics YOLO11, projetados para oferecer velocidade e precisão, tornam possível processar imagens em tempo real.

Fig. 2. Um exemplo de uso do Ultralytics YOLO11 para detecção de objetos.

Uma aplicação típica de visão computacional envolve várias etapas para transformar imagens brutas em informações úteis. Estas são as quatro principais etapas:

• Aquisição de imagens: os dados visuais são coletados por câmeras ou sensores, e a qualidade das imagens depende do tipo de sensor utilizado.
• Processamento de imagens: os dados coletados são aprimorados com técnicas de pré-processamento, como a redução de ruído e o realce de bordas, para facilitar a análise.
• Extração de características: detalhes importantes, como formas e texturas, são identificados, com foco nas partes mais relevantes da imagem.
• Reconhecimento de padrões: as características identificadas são analisadas usando aprendizado de máquina para realizar tarefas como detectar objetos, rastrear movimentos ou reconhecer padrões.

Explorando as tarefas de visão computacional#

Você talvez tenha percebido que, ao falar sobre como a visão computacional funciona, mencionamos as tarefas de visão computacional. Modelos como o Ultralytics YOLO11 foram criados para oferecer suporte a essas tarefas, com soluções rápidas e precisas para aplicações reais. Da detecção de objetos ao rastreamento de seu movimento, o YOLO11 executa essas tarefas com eficiência. Vamos explorar algumas das principais tarefas de visão computacional compatíveis com ele e entender como funcionam.

Detecção de objetos#

A detecção de objetos é uma tarefa fundamental de visão computacional usada para identificar objetos de interesse em uma imagem. O resultado de uma tarefa de detecção de objetos é um conjunto de caixas delimitadoras (retângulos desenhados ao redor dos objetos detectados em uma imagem), acompanhado de rótulos de classe (a categoria ou o tipo de cada objeto, como "carro" ou "pessoa") e pontuações de confiança (um valor numérico que indica o grau de certeza do modelo sobre cada detecção). Por exemplo, a detecção de objetos pode ser usada para identificar e localizar um pedestre na rua ou um carro no trânsito.

Fig. 3. Uso do Ultralytics YOLO11 para detectar objetos.

Classificação de imagens#

O principal objetivo da classificação de imagens é atribuir um rótulo ou uma categoria predefinida a uma imagem de entrada com base em seu conteúdo geral. Essa tarefa normalmente envolve identificar o objeto ou a característica predominante na imagem. Por exemplo, a classificação de imagens pode ser usada para determinar se uma imagem contém um gato ou um cachorro. Modelos de visão computacional como o YOLO11 podem até ser treinados de forma personalizada para classificar raças específicas de gatos ou cachorros, como mostrado abaixo.

Fig. 4. Classificação de diferentes raças de gatos usando o YOLO11.

Segmentação de instâncias#

A segmentação de instâncias é outra tarefa fundamental de visão computacional, usada em várias aplicações. Ela consiste em dividir uma imagem em segmentos e identificar cada objeto individual, mesmo quando há vários objetos do mesmo tipo. Diferentemente da detecção de objetos, a segmentação de instâncias vai além e delimita com precisão os contornos de cada objeto. Por exemplo, na fabricação e no reparo de automóveis, a segmentação de instâncias pode ajudar a identificar e rotular separadamente cada peça do carro, tornando o processo mais preciso e eficiente.

Fig. 5. Segmentação de peças de automóveis usando o YOLO11.

Estimativa de pose#

O objetivo da estimativa de pose é determinar a posição e a orientação de uma pessoa ou objeto prevendo a localização de pontos-chave, como mãos, cabeça e cotovelos. Isso é especialmente útil em aplicações nas quais é importante compreender ações físicas em tempo real. A estimativa de pose humana é usada com frequência em áreas como análise esportiva, monitoramento do comportamento animal e robótica.

Fig. 6. O YOLO11 pode ajudar na estimativa de pose humana.

Para explorar as outras tarefas de visão computacional compatíveis com o YOLO11, consulte a documentação oficial da Ultralytics. Ela traz informações detalhadas sobre como o YOLO11 executa tarefas como rastreamento de objetos e detecção de objetos com caixas delimitadoras orientadas (OBB).

Modelos populares de visão computacional atualmente#

Embora existam muitos modelos de visão computacional, a série Ultralytics YOLO se destaca pelo forte desempenho e pela versatilidade. Com o tempo, os modelos Ultralytics YOLO evoluíram e se tornaram mais rápidos, mais precisos e capazes de realizar mais tarefas. Com o lançamento do Ultralytics YOLOv5, ficou mais fácil implantar modelos com frameworks de IA para visão como o PyTorch. Isso permitiu que mais usuários trabalhassem com IA para visão avançada, combinando alta precisão e facilidade de uso.

Em seguida, o Ultralytics YOLOv8 foi além, adicionando novos recursos, como segmentação de instâncias, classificação de imagens e estimativa de pose. Depois, o YOLO11 apresentou alto desempenho em várias tarefas de visão computacional. Com 22% menos parâmetros que o YOLOv8m, o YOLO11m alcança uma precisão média média (mAP) maior no conjunto de dados COCO, ou seja, consegue detectar objetos com mais precisão e eficiência. A geração mais recente, Ultralytics YOLO26, amplia esses recursos com inferência nativa de ponta a ponta, sem NMS, e desempenho mais rápido na CPU para implantação na borda. Seja você um desenvolvedor experiente ou alguém que está começando em IA, os modelos Ultralytics YOLO são um ponto de partida prático para suas necessidades de visão computacional.

O papel da visão computacional no dia a dia#

Antes, falamos sobre como modelos de visão computacional como o Ultralytics YOLO11 podem ser aplicados em vários setores. Agora, vamos explorar outros casos de uso que estão mudando nosso dia a dia.

IA para visão na área da saúde#

Há uma ampla variedade de aplicações de visão computacional na área da saúde. Tarefas como detecção de objetos e classificação são usadas em imagens médicas para tornar a detecção de doenças mais rápida e precisa. Na análise de raios X, a visão computacional pode identificar padrões sutis demais para o olho humano.

Ela também é usada na detecção de câncer para comparar células cancerosas com células saudáveis. Da mesma forma, a visão computacional pode analisar imagens de tomografias computadorizadas e ressonâncias magnéticas com precisão próxima à humana. Isso ajuda os médicos a tomar decisões melhores e, em última análise, salva mais vidas.

Fig. 7. YOLO11 a ser usado para analisar exames médicos.

IA no setor automotivo#

A visão computacional é fundamental para os carros autónomos, ajudando-os a detetar objetos como sinais de trânsito e semáforos. Técnicas como o reconhecimento ótico de caracteres (OCR) permitem que o carro leia o texto nos sinais de trânsito. Também é usada para detetar peões, tarefa em que a deteção de objetos identifica pessoas em tempo real.

Além disso, a visão computacional pode até detetar fissuras e buracos nas estradas, permitindo um melhor acompanhamento das condições rodoviárias em constante mudança. De forma geral, a tecnologia de visão computacional pode desempenhar um papel fundamental na melhoria da gestão do trânsito, no reforço da segurança dos transportes e no apoio ao planeamento de cidades inteligentes.

Fig. 8. Compreender o trânsito com o YOLO11.

Visão computacional na agricultura#

Imagine se os agricultores pudessem semear, irrigar e colher suas plantações automaticamente, na hora certa e sem preocupações. É exatamente isso que a visão computacional oferece à agricultura. Ela facilita o monitoramento das plantações em tempo real, permitindo que os agricultores detectem problemas como doenças ou deficiências de nutrientes mais cedo.

Além do acompanhamento, as máquinas autónomas de remoção de ervas daninhas com IA e visão computacional conseguem identificar e remover ervas daninhas, reduzindo os custos de mão de obra e aumentando a produtividade das culturas. Esta combinação de tecnologias ajuda os agricultores a otimizar os recursos, melhorar a eficiência e proteger as culturas.

Fig. 9. Exemplo de utilização do Ultralytics YOLO11 na agricultura.

Automatizar processos de fabrico com IA#

Na manufatura, a visão computacional ajuda a monitorar a produção, verificar a qualidade dos produtos e rastrear os trabalhadores automaticamente. A IA de visão torna o processo mais rápido e preciso, reduzindo erros e custos.

Mais especificamente, a detecção de objetos e a segmentação de instâncias são usadas com frequência na garantia da qualidade. Os sistemas de detecção de defeitos fazem uma verificação final dos produtos acabados para garantir que apenas os melhores cheguem aos clientes. Qualquer produto com amassados ou rachaduras é identificado e rejeitado automaticamente. Esses sistemas também rastreiam e contam produtos em tempo real, oferecendo monitoramento contínuo na linha de montagem.

Fig. 10. Monitorização de uma linha de montagem com visão computacional.

Tornar a educação mais impactante com visão computacional#

Uma das formas de usar a visão computacional em sala de aula é por meio do reconhecimento de gestos, que personaliza o aprendizado ao detectar os movimentos dos alunos. Modelos como o Ultralytics YOLO11 são ótimos para essa tarefa. Eles conseguem identificar com precisão gestos como mãos levantadas ou expressões de confusão em tempo real.

Quando estes gestos são detetados, é possível ajustar uma aula em curso, oferecendo ajuda adicional ou alterando o conteúdo para o adaptar melhor às necessidades do aluno. Isto cria um ambiente de aprendizagem mais dinâmico e adaptável, ajudando os professores a concentrarem-se no ensino enquanto o sistema apoia a experiência de aprendizagem de cada aluno.

Tendências recentes em visão computacional#

Agora que exploramos algumas aplicações da visão computacional em vários setores, vamos analisar as principais tendências que impulsionam seu avanço.

Uma das principais tendências é a computação de borda, uma estrutura de computação distribuída que processa os dados mais perto da sua origem. Por exemplo, a computação de borda permite que dispositivos como câmaras e sensores processem dados visuais diretamente, o que resulta em respostas mais rápidas, menos atrasos e maior privacidade.

Outra tendência importante na visão computacional é o uso da realidade mista. Esta combina o mundo físico com elementos digitais, utilizando a visão computacional para integrar objetos virtuais no mundo real de forma harmoniosa. Pode ser usada para melhorar as experiências de jogo, educação e formação.

Vantagens e desvantagens da visão computacional#

Estas são algumas das principais vantagens que a visão computacional pode proporcionar a vários setores:

• Redução de custos: Automatizar tarefas com visão computacional ajuda a reduzir os custos operacionais, aumentar a produtividade e minimizar os erros.
• Escalabilidade: Depois de implementados, os sistemas de visão computacional podem ser facilmente dimensionados para processar grandes volumes de dados, sendo adequados para empresas em crescimento ou operações de grande escala.
• Personalização para aplicações específicas: Os modelos de visão computacional podem ser ajustados com precisão usando o teu conjunto de dados, proporcionando soluções altamente especializadas que satisfazem os requisitos da tua aplicação.

Embora estas vantagens realcem o impacto que a visão computacional pode ter em vários setores, também é importante considerar os desafios da sua implementação. Estes são alguns dos principais desafios:

• Questões de privacidade dos dados: A utilização de dados visuais, sobretudo em áreas sensíveis como a vigilância ou os cuidados de saúde, pode suscitar questões de privacidade e segurança.
• Limitações ambientais: Os sistemas de visão computacional podem ter dificuldade em funcionar corretamente em ambientes desafiantes, como locais com pouca iluminação, imagens de baixa qualidade ou fundos complexos.
• Elevado custo inicial: Desenvolver e implementar sistemas de visão computacional pode ser dispendioso devido à necessidade de hardware, software e conhecimentos especializados.

Principais conclusões#

A visão computacional está a reinventar a forma como as máquinas interagem com o mundo, permitindo-lhes ver e compreender o mundo como os humanos. Já é utilizada em muitas áreas, como melhorar a segurança dos carros autónomos, ajudar os médicos a diagnosticar doenças mais rapidamente, personalizar as compras e até apoiar os agricultores no acompanhamento das culturas.

Com a evolução contínua da tecnologia, novas tendências como computação de borda e realidade mista estão criando ainda mais possibilidades. Embora existam alguns desafios, como vieses e custos elevados, a visão computacional tem potencial para gerar um impacto muito positivo em muitos setores no futuro.

Para saber mais, visite nosso repositório no GitHub e participe da nossa comunidade. Explore inovações em setores como IA em carros autônomos e visão computacional na agricultura nas nossas páginas de soluções.