Como a visão computacional reforça continuamente a segurança em armazéns

A segurança e a eficiência são essenciais quando se trata de armazéns. Estes espaços costumam albergar empilhadores, tapetes transportadores e sistemas automatizados que têm de funcionar continuamente, e ocasionalmente podem ocorrer acidentes. Por exemplo, a segurança dos empilhadores é uma preocupação importante, com a Administração de Segurança e Saúde Ocupacional (OSHA) a comunicar uma estimativa anual de 61 800 lesões ligeiras, 34 900 lesões graves e 85 mortes.

As medidas de segurança tradicionais, como sinais de aviso, espelhos e supervisão manual, têm limitações. Os pontos cegos, o erro humano e as reações tardias podem dificultar a prevenção de acidentes antes de estes acontecerem. Em suma, garantir a segurança dos armazéns exige monitorização constante, algo que os humanos não conseguem fazer facilmente sozinhos.

No entanto, a visão computacional, um ramo da inteligência artificial (AI), pode reforçar a segurança dos armazéns ao fornecer monitorização em tempo real e deteção proativa de perigos. Especificamente, modelos de visão computacional como o Ultralytics YOLO11 podem permitir a deteção de objetos e de pessoas para ajudar em tarefas como a prevenção de colisões em tempo real.

Fig. 1. Exemplo da utilização do YOLO11 para detetar um trabalhador a cair.

Neste artigo, vamos analisar mais detalhadamente como a visão computacional pode melhorar a segurança dos armazéns e as operações logísticas.

Os desafios relacionados com a segurança dos armazéns#

Os armazéns são ambientes dinâmicos onde máquinas e trabalhadores operam próximos uns dos outros, aumentando o risco de acidentes. Garantir a segurança dos trabalhadores é essencial, especialmente em áreas movimentadas onde a visibilidade limitada aumenta o risco de colisões. Por exemplo, empilhadores, AGVs (veículos guiados automaticamente) e porta-paletes funcionam continuamente e, sem uma monitorização adequada, as colisões entre equipamentos ou trabalhadores podem resultar em lesões graves.

Da mesma forma, os tapetes transportadores podem representar um risco de segurança se os trabalhadores não tiverem cuidado, especialmente junto a pontos de acesso ou quando há roupa solta perto de peças móveis. As gruas suspensas e os equipamentos de elevação também exigem atenção, pois cargas instáveis ou problemas mecânicos podem criar perigos. Manter a atenção a estes riscos e resolvê-los em tempo real ajuda a manter o armazém seguro para todos.

Um dos maiores desafios relacionados com a segurança dos armazéns é a visibilidade limitada. Os pontos cegos, as vistas obstruídas e as estantes de armazenamento altas dificultam a deteção de perigos antes da ocorrência de acidentes.

Escorregadelas, tropeções e quedas são riscos comuns, especialmente em ambientes movimentados. Além disso, os erros humanos, como reações tardias, avaliações incorretas e fadiga, continuam a desempenhar um papel significativo nos acidentes em armazéns, mesmo quando existem protocolos de segurança rigorosos.

Embora as medidas de segurança tradicionais, como espelhos e sinais de aviso, possam ajudar, dependem de os trabalhadores repararem nos perigos e reagirem rapidamente. Em contrapartida, a visão computacional adota uma abordagem proativa, utilizando monitorização em tempo real orientada por AI para identificar riscos e prevenir acidentes antes de estes ocorrerem.

Como a visão computacional melhora a segurança dos armazéns#

A visão computacional ajuda as máquinas a analisar e responder a dados visuais. Pode ser utilizada para processar imagens e vídeos em tempo real, permitindo que os sistemas de visão computacional para armazéns detetem objetos, acompanhem movimentos e previnam acidentes.

Em comparação com a monitorização manual, a automatização alimentada por AI torna a segurança dos armazéns mais eficiente e fiável. Isto é possível graças a modelos de visão computacional como o YOLO11, que podem analisar transmissões de vídeo em tempo real.

Em particular, tarefas de visão computacional como a deteção de objetos e a segmentação de instâncias, suportadas pelo Ultralytics YOLO11, podem identificar obstáculos como empilhadores, porta-paletes e inventário colocado incorretamente, reduzindo os riscos de colisão em ambientes movimentados.

Também pode ser utilizado para detetar trabalhadores e monitorizar a sua proximidade a empilhadores e outras máquinas, prevenindo acidentes. Estes sistemas de IA de visão podem ser programados para fornecer alertas em tempo real e notificar os operadores sobre potenciais perigos, permitindo ações rápidas antes da ocorrência de incidentes.

Fig. 2. Segmentação de um trabalhador num armazém utilizando o Ultralytics YOLO11.

Principais aplicações do Ultralytics YOLO11 na segurança dos armazéns#

De seguida, vamos abordar aplicações específicas de visão computacional que podem ajudar a melhorar a segurança dos armazéns. Também veremos como o Ultralytics YOLO11 pode ser utilizado para melhorar a prevenção de acidentes e a gestão de riscos.

Rastreamento de objetos para evitar colisões#

O rastreamento de objetos é uma tarefa de visão computacional que monitoriza continuamente o movimento dos objetos em tempo real. Ao contrário da deteção de objetos, que identifica e etiqueta objetos num único fotograma, o rastreamento de objetos acompanha esses objetos ao longo de vários fotogramas, permitindo que o sistema analise padrões de movimento e preveja as suas trajetórias.

Em ambientes de armazém dinâmicos, o rastreamento de objetos é especialmente útil, uma vez que empilhadores, AGVs, porta-paletes e até embalagens individuais estão constantemente em movimento. Ao compreender como os objetos se movem e interagem, os armazéns podem melhorar a segurança e a eficiência.

As capacidades de rastreamento de objetos do Ultralytics YOLO11 facilitam a monitorização do movimento de veículos e equipamentos, a previsão de potenciais colisões e a emissão de alertas quando os objetos se aproximam demasiado uns dos outros. Além disso, a estimativa de profundidade com AI pode melhorar os cálculos de distância, reduzindo os falsos alarmes e aumentando a precisão dos avisos de colisão.

Para além de rastrear máquinas, o Ultralytics YOLO11 também pode calcular a distância entre embalagens, garantindo o espaçamento adequado para sistemas automatizados de armazenamento e recuperação. Quando integrada com sistemas de gestão de armazéns (WMS), esta tecnologia pode enviar alertas em tempo real aos operadores ou ajustar dinamicamente as trajetórias de movimento. Uma abordagem proativa ajuda a prevenir acidentes e também otimiza a navegação no armazém e a organização do inventário.

Fig. 3. Cálculo da distância entre embalagens utilizando o YOLO11.

A estimativa de pose pode aumentar a segurança dos trabalhadores#

O suporte do YOLO11 para estimativa de pose pode melhorar a segurança dos trabalhadores ao analisar a postura corporal e detetar riscos ergonómicos em tempo real. A estimativa de pose funciona através do mapeamento da estrutura esquelética de um trabalhador utilizando pontos-chave, como posições das articulações e ângulos dos membros, para analisar padrões de movimento. Ao rastrear estes pontos em tempo real, o sistema pode determinar se uma postura é segura ou potencialmente prejudicial.

Desta forma, os sistemas de IA de visão integrados com o Ultralytics YOLO11 podem detetar inclinações inseguras, técnicas de levantamento inadequadas e posturas relacionadas com a fadiga que aumentam o risco de lesões por esforço.

Fig. 4. Utilização do Ultralytics YOLO11 para detetar a postura dos trabalhadores.

Quando uma solução de visão computacional deste tipo reconhece uma postura perigosa, pode alertar imediatamente os trabalhadores ou supervisores, permitindo uma ação corretiva antes da ocorrência de lesões. Isto pode reduzir as lesões no local de trabalho, melhorar a ergonomia e incentivar práticas mais seguras de levantamento e movimentação nos armazéns.

Utilização da deteção de objetos para detetar perigos#

Paletes caídas, inventário colocado incorretamente ou detritos podem criar perigos de segurança num armazém se não forem rapidamente tratados. As capacidades de deteção de objetos do Ultralytics YOLO11 podem ajudar, analisando continuamente o chão e identificando obstáculos que os supervisores humanos podem não detetar.

Além de identificar objetos sólidos, a visão computacional também pode ser utilizada para monitorizar as condições do chão e detetar derrames de líquidos que poderiam causar escorregadelas ou a derrapagem de empilhadores. Ao analisar reflexos e texturas das superfícies, o sistema pode distinguir entre áreas seguras e perigosas, ajudando a prevenir acidentes.

A deteção de pessoas acrescenta outra camada de segurança, garantindo que as saídas de emergência e os caminhos de segurança permanecem desimpedidos. Se for detetada uma obstrução, como um grupo de pessoas a permanecer no local sem objetivo, o sistema alerta os funcionários para agirem, ajudando as organizações a cumprir os regulamentos de segurança e a reduzir os riscos em situações de emergência.

Vantagens e desvantagens da visão computacional na segurança dos armazéns#

Eis algumas das principais vantagens da utilização da visão computacional na segurança dos armazéns:

• Escalabilidade: Os sistemas de visão computacional integrados com o Ultralytics YOLO11 podem ser implementados em armazéns de qualquer dimensão, desde pequenas instalações de armazenamento a grandes centros de distribuição, adaptando-se a diferentes necessidades operacionais.
• Treino personalizado para condições específicas de armazéns: O Ultralytics YOLO11 pode ser treinado com conjuntos de dados específicos de armazéns para reconhecer perigos, equipamentos e padrões de fluxo de trabalho únicos, melhorando a precisão da deteção.
• Vigilância e monitorização constantes: Ao contrário dos supervisores humanos, os sistemas de visão computacional podem funcionar 24 horas por dia e monitorizar continuamente a atividade do armazém sem fadiga ou lapsos de atenção.

No entanto, como acontece com qualquer outra tecnologia, também existem algumas limitações a considerar ao implementar soluções de visão computacional:

• Limitações ambientais: Os sistemas de visão computacional para armazéns podem ter dificuldades com iluminação insuficiente, superfícies refletoras ou encandeamento, exigindo a fusão de vários sensores para melhorar a precisão.
• Integração com sistemas antigos: As plataformas de automatização de armazéns existentes podem necessitar de modificações ou de infraestrutura adicional para suportar plenamente modelos de visão computacional.
• Oclusão e pontos cegos: Objetos ou trabalhadores podem ficar ocultos por equipamentos ou estantes, reduzindo a precisão da deteção. Para resolver este problema, as câmaras podem ser colocadas estrategicamente para cobrir todos os ângulos e minimizar os pontos cegos.

O futuro da segurança dos armazéns orientada por AI#

Olhando para o futuro, a segurança dos armazéns alimentada por AI e a deteção de perigos serão provavelmente moldadas pela integração de sensores da IoT (Internet das Coisas) e pela conectividade 5G.

A IoT refere-se a uma rede de dispositivos, como sensores, máquinas e equipamentos, ligados à Internet e capazes de trocar informações entre si. Num armazém, isto significa que dispositivos como empilhadores, robôs e sistemas de inventário podem comunicar em tempo real, partilhando dados importantes sobre o seu estado ou movimentos.

Quando combinados com a 5G (a mais recente e rápida tecnologia sem fios), estes sistemas podem enviar e receber informações quase instantaneamente, melhorando a eficiência e a capacidade de resposta globais.

Esta configuração conectada torna possível utilizar a visão computacional para garantir que empilhadores e robôs trabalham de forma harmoniosa junto dos trabalhadores humanos. Com dados em tempo real provenientes dos sensores da IoT, os sistemas automatizados podem ajustar as suas ações com base no que acontece à sua volta, reduzindo os riscos de segurança e melhorando o fluxo de trabalho. Estes sistemas podem responder rapidamente às mudanças no ambiente.

Principais conclusões#

A visão computacional está a mudar a forma como os armazéns abordam a segurança, ajudando a prevenir acidentes e a reduzir riscos. À medida que estes sistemas continuam a melhorar, os armazéns terão uma deteção mais precisa, um processamento mais rápido e uma automatização mais avançada.

Os modelos de visão computacional como o Ultralytics YOLO11 levam a segurança dos armazéns ainda mais longe através de tarefas como a deteção de objetos e a estimativa de pose. Ao adotarem a visão computacional para a segurança dos empilhadores, as organizações podem reduzir riscos, melhorar a eficiência operacional e criar ambientes de trabalho mais seguros.

Junta-te à nossa comunidade em crescimento! Explora o nosso repositório no GitHub para aprofundares os teus conhecimentos sobre IA. Queres criar os teus próprios projetos de visão computacional? Consulta as nossas opções de licenciamento. Descobre como a visão computacional na área da saúde está a melhorar a eficiência e explora o impacto da IA na indústria visitando as nossas páginas de soluções!