Como a visão computacional impulsiona a segurança em armazéns 24 horas por dia

A segurança e a eficiência são críticas quando se trata de armazéns. Eles frequentemente abrigam empilhadeiras, esteiras e sistemas automatizados que precisam operar continuamente e, ocasionalmente, acidentes podem acontecer. Por exemplo, a segurança com empilhadeiras é uma grande preocupação, com a Occupational Safety & Health Administration (OSHA) relatando aproximadamente 61.800 ferimentos leves, 34.900 ferimentos graves e 85 fatalidades a cada ano.

As medidas de segurança tradicionais, como placas de aviso, espelhos e supervisão manual, têm limitações. Pontos cegos, erro humano e reações tardias podem tornar difícil prevenir acidentes antes que aconteçam. Simplificando, garantir a segurança do armazém requer monitoramento constante, o que não é fácil para humanos fazerem sozinhos.

No entanto, a visão computacional, um ramo da inteligência artificial (IA), pode aumentar a segurança do armazém fornecendo monitoramento em tempo real e detecção proativa de perigos. Especificamente, modelos de visão computacional como o Ultralytics YOLO11 podem permitir a detecção de objetos e de pessoas para ajudar com tarefas como evitar colisões em tempo real.

Fig 1. Um exemplo do uso do YOLO11 para detectar um trabalhador caindo.

Neste artigo, veremos mais de perto como a visão computacional pode melhorar a segurança em armazéns e aprimorar as operações logísticas.

Link to this sectionOs desafios relacionados à segurança em armazéns#

Armazéns são ambientes de ritmo acelerado onde máquinas e trabalhadores operam em proximidade, aumentando o risco de acidentes. Garantir a segurança do trabalhador é crucial, especialmente em áreas lotadas onde a visibilidade limitada aumenta o risco de colisões. Por exemplo, empilhadeiras, AGVs (Veículos Guiados Automatizados) e paleteiras operam continuamente e, sem o monitoramento adequado, colisões entre equipamentos ou trabalhadores podem resultar em ferimentos graves.

Da mesma forma, esteiras podem ser um risco de segurança se os trabalhadores não forem cuidadosos, especialmente perto de pontos de acesso ou roupas soltas próximas a peças móveis. Pontes rolantes e equipamentos de elevação também precisam de atenção, pois cargas instáveis ou problemas mecânicos podem criar perigos. Manter-se atento a esses riscos e resolvê-los em tempo real ajuda a manter o armazém seguro para todos.

Um dos maiores desafios relacionados à segurança em armazéns é a visibilidade limitada. Pontos cegos, visões obstruídas e racks de armazenamento altos dificultam a detecção de perigos antes que os acidentes ocorram.

Escorregões, tropeços e quedas são riscos comuns, especialmente em ambientes movimentados. Além disso, erros humanos, como reações tardias, julgamentos incorretos e fadiga, continuam a desempenhar um papel substancial em acidentes em armazéns, mesmo com protocolos de segurança rigorosos em vigor.

Embora medidas de segurança tradicionais, como espelhos e sinais de aviso, possam ajudar, elas dependem de os trabalhadores notarem os perigos e reagirem rapidamente. Em contraste, a visão computacional adota uma abordagem proativa, usando monitoramento em tempo real impulsionado por IA para identificar riscos e prevenir acidentes antes que ocorram.

Link to this sectionComo a visão computacional melhora a segurança em armazéns#

A visão computacional ajuda as máquinas a analisar e responder a dados visuais. Ela pode ser usada para processar imagens e vídeos em tempo real, permitindo que os sistemas de visão computacional em armazéns detectem objetos, rastreiem movimentos e previnam acidentes.

Comparada ao monitoramento manual, a automação impulsionada por IA torna a segurança do armazém mais eficiente e confiável. Isso é possível graças a modelos de visão computacional como o YOLO11, que podem analisar feeds de vídeo em tempo real.

Em particular, tarefas de visão computacional como detecção de objetos e segmentação de instâncias, que são suportadas pelo YOLO11, podem identificar obstáculos como empilhadeiras, paleteiras e inventário mal posicionado para reduzir riscos de colisão em ambientes movimentados.

Também pode ser usada para detectar trabalhadores e monitorar sua proximidade com empilhadeiras e outras máquinas, prevenindo acidentes. Tais sistemas de Vision AI podem ser programados para fornecer alertas em tempo real e notificar os operadores sobre perigos potenciais, permitindo ações rápidas antes que os incidentes ocorram.

Fig 2. Segmentando um trabalhador em um armazém usando YOLO11.

Link to this sectionPrincipais aplicações do YOLO11 na segurança em armazéns#

A seguir, vamos discutir aplicações específicas de visão computacional que podem ajudar a melhorar a segurança do armazém. Também percorreremos como o YOLO11 pode ser usado para melhorar a prevenção de acidentes e o gerenciamento de riscos.

Link to this sectionRastreamento de objetos para evitar colisões#

O rastreamento de objetos é uma tarefa de visão computacional que monitora continuamente o movimento de objetos em tempo real. Diferente da detecção de objetos, que identifica e rotula objetos em um único quadro, o rastreamento de objetos segue esses objetos através de múltiplos quadros, permitindo que o sistema analise padrões de movimento e preveja suas trajetórias.

Em ambientes de armazém dinâmicos, o rastreamento de objetos é especialmente útil onde empilhadeiras, AGVs, paleteiras e até mesmo pacotes individuais estão em constante movimento. Ao entender como os objetos se movem e interagem, os armazéns podem melhorar a segurança e a eficiência.

Os recursos de rastreamento de objetos do YOLO11 facilitam o monitoramento do movimento de veículos e equipamentos, a previsão de possíveis colisões e a emissão de alertas quando objetos ficam muito próximos uns dos outros. Além disso, a estimativa de profundidade habilitada por IA pode melhorar os cálculos de distância, reduzindo alarmes falsos e melhorando a precisão dos avisos de colisão.

Além de rastrear máquinas, o YOLO11 também pode calcular a distância entre pacotes, garantindo o espaçamento adequado para sistemas automatizados de armazenamento e recuperação. Quando integrado a sistemas de gerenciamento de armazém (WMS), essa tecnologia pode enviar alertas em tempo real aos operadores ou ajustar trajetórias de movimento dinamicamente. Uma abordagem proativa ajuda a prevenir acidentes e também otimiza a navegação do armazém e a organização do inventário.

Fig 3. Calculando a distância entre pacotes usando YOLO11.

Link to this sectionA estimativa de pose pode aumentar a segurança do trabalhador#

O suporte do YOLO11 para estimativa de pose pode melhorar a segurança do trabalhador analisando a postura corporal e detectando riscos ergonômicos em tempo real. A estimativa de pose funciona mapeando a estrutura esquelética de um trabalhador usando pontos-chave, como posições das articulações e ângulos dos membros, para analisar padrões de movimento. Ao rastrear esses pontos em tempo real, o sistema pode determinar se uma postura é segura ou potencialmente prejudicial.

Ao fazer isso, sistemas de visão por IA integrados ao YOLO11 podem detectar flexões inseguras, técnicas de levantamento inadequadas e posturas relacionadas à fadiga que aumentam o risco de lesões por esforço.

Fig 4. Usando YOLO11 para detectar a postura dos trabalhadores.

Quando tal solução de visão computacional reconhece uma postura perigosa, ela pode alertar instantaneamente os trabalhadores ou supervisores, permitindo uma ação corretiva antes que ocorram ferimentos. Isso pode reduzir acidentes de trabalho, melhorar a ergonomia e incentivar práticas mais seguras de levantamento e movimentação em armazéns.

Link to this sectionUsando detecção de objetos para detecção de perigos#

Paletes caídos, inventário fora do lugar ou detritos podem criar riscos de segurança em um armazém se não forem tratados rapidamente. Os recursos de detecção de objetos do YOLO11 podem ajudar, escaneando continuamente o chão e identificando obstáculos que podem ser perdidos por supervisores humanos.

Além de detectar objetos sólidos, a visão computacional também pode ser usada para monitorar as condições do piso para detectar derramamentos de líquidos que poderiam causar escorregões ou derrapagens de empilhadeiras. Ao analisar reflexos e texturas de superfície, o sistema pode distinguir entre áreas seguras e perigosas, ajudando a prevenir acidentes.

A detecção de pessoas adiciona outra camada de segurança garantindo que as saídas de emergência e os caminhos de segurança permaneçam livres. Se uma obstrução como um grupo de pessoas perambulando for detectada, o sistema alerta a equipe para agir, ajudando as organizações a permanecerem em conformidade com os regulamentos de segurança e reduzindo riscos em situações de emergência.

Link to this sectionOs prós e contras da visão computacional na segurança em armazéns#

Aqui estão algumas vantagens importantes de usar visão computacional para a segurança em armazéns:

• Escalabilidade: Sistemas de visão computacional integrados ao YOLO11 podem ser implantados em armazéns de todos os tamanhos, de pequenas instalações de armazenamento a grandes centros de distribuição, adaptando-se a diferentes necessidades operacionais.
• Treinamento personalizado para condições específicas do armazém: O YOLO11 pode ser treinado em conjuntos de dados específicos do armazém para reconhecer perigos, equipamentos e padrões de fluxo de trabalho únicos, melhorando a precisão da detecção.
• Vigilância e monitoramento constantes: Diferente de supervisores humanos, os sistemas de visão computacional podem operar 24 horas por dia e monitorar continuamente a atividade do armazém sem fadiga ou lapsos de atenção.

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

• Limitações ambientais: Sistemas de visão computacional em armazéns podem ter dificuldades com iluminação precária, superfícies reflexivas ou brilho, exigindo a fusão de múltiplos sensores para melhorar a precisão.
• Integração com sistemas legados: Plataformas de automação de armazém existentes podem precisar de modificações ou infraestrutura adicional para suportar totalmente modelos de visão computacional.
• Oclusão e pontos cegos: Objetos ou trabalhadores podem ser bloqueados por equipamentos ou prateleiras, reduzindo a precisão da detecção. Para resolver isso, as câmeras podem ser estrategicamente posicionadas para cobrir todos os ângulos e minimizar os pontos cegos.

Link to this sectionO futuro da segurança em armazéns impulsionada por IA#

Olhando para o futuro, o futuro da segurança em armazéns impulsionada por IA e da detecção de perigos provavelmente será moldado pela integração de sensores IoT (Internet das Coisas) e conectividade 5G.

IoT refere-se a uma rede de dispositivos, como sensores, máquinas e equipamentos, que estão conectados à internet e podem trocar informações entre si. Em um armazém, isso significa que dispositivos como empilhadeiras, robôs e sistemas de inventário podem se comunicar em tempo real, compartilhando dados importantes sobre seu status ou movimentos.

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

Essa configuração conectada torna possível usar a visão computacional para garantir que empilhadeiras e robôs possam trabalhar perfeitamente ao lado de trabalhadores humanos. Com dados em tempo real dos sensores IoT, os sistemas automatizados podem ajustar suas ações com base no que está acontecendo ao seu redor, reduzindo riscos de segurança e melhorando o fluxo de trabalho. Esses sistemas podem responder rapidamente a mudanças no ambiente.

Link to this sectionPrincipais pontos#

A visão computacional está mudando a forma como os armazéns abordam a segurança, ajudando a prevenir acidentes e reduzir riscos. À medida que esses sistemas continuam a melhorar, os armazéns verão uma detecção mais precisa, processamento mais rápido e melhor automação.

Modelos de visão computacional como o YOLO11 levam a segurança do armazém ainda mais longe por meio de tarefas como detecção de objetos e estimativa de pose. Ao adotar a visão computacional para a segurança com empilhadeiras, as organizações podem reduzir riscos, melhorar a eficiência operacional e criar ambientes de trabalho mais seguros.

Junte-se à nossa comunidade em crescimento! Explore nosso repositório GitHub para mergulhar mais fundo em IA. Quer construir seus próprios projetos de visão computacional? Confira nossas opções de licenciamento. Aprenda como a visão computacional na saúde está melhorando a eficiência e explore o impacto da IA na manufatura visitando nossas páginas de soluções!