18 de novembro de 2025
Saiba como separar a roupa de forma eficiente utilizando os modelos Ultralytics YOLO, que podem analisar peças de vestuário, cores e símbolos de cuidados para automatizar uma separação mais inteligente da roupa.
Lavar a roupa pode parecer uma tarefa simples. Mas isso só acontece quando algo inesperado acontece.
Pode atirar algumas camisas de cores diferentes para a máquina, carregar no botão Start e esperar que tudo saia com o mesmo aspeto. No entanto, nem sempre é assim que acontece.
Talvez uma T-shirt branca fique cinzenta ou uma camisola favorita fique mais pequena. Mesmo pequenos deslizes de seleção podem desgastar silenciosamente as suas roupas ao longo do tempo.
Surpreendentemente, muitas pessoas continuam a saltar a separação da roupa, mesmo sabendo da sua importância. Um inquérito recente revelou que menos de metade dos adultos com menos de 40 anos separa regularmente a sua roupa em branca e escura. Isto mostra como é fácil cortar nos gastos com a roupa, especialmente quando se está ocupado.
E se não tivesse de pensar em separar nada? Imagine um sistema automatizado que reconhece as peças de vestuário, as cores e até os símbolos das etiquetas de conservação antes mesmo de premir "iniciar". Esta ideia, outrora futurista, está agora a tornar-se possível graças à visão por computador.
A visão por computador é um ramo da inteligência artificial (IA) que permite às máquinas ver e interpretar imagens e vídeos com elevada precisão. Com modelos de IA de visão como o Ultralytics YOLO11 e o futuro Ultralytics YOLO26, os sistemas podem analisar peças de vestuário, cores e até mesmo símbolos de rótulos de cuidados que indicam se um item deve ser lavado na máquina, à mão ou não deve ser lavado. Este nível de compreensão torna possível uma classificação precisa da roupa sem esforço humano.
Neste artigo, exploraremos por que a classificação de roupas é importante, como ela é feita corretamente e como os modelos Ultralytics YOLO tornam o processo mais inovador e eficiente. Vamos começar!
Pode ser frustrante abrir a máquina de lavar e descobrir que uma camisa branca ficou cor-de-rosa. Momentos como este são um bom lembrete da importância de separar a roupa.
Uma seleção adequada ajuda a roupa a manter a sua cor, forma e textura. Quando os artigos claros ou escuros são lavados com os mais claros, as cores podem sangrar e estragar toda a carga. Mantê-las separadas ajuda a evitar isso.
Os tecidos delicados, como a seda, a caxemira e a renda, também necessitam de cuidados adicionais. Não devem ser lavados nos mesmos ciclos rigorosos destinados a artigos mais pesados. Ao mesmo tempo, agrupar as roupas por tipo de tecido e peso ajuda a sua máquina de lavar a fazer um melhor trabalho. As peças mais leves e mais pesadas absorvem a água e centrifugam de forma diferente, pelo que lavar peças semelhantes em conjunto permite uma limpeza mais uniforme, menos cotão e um melhor enxaguamento.
A temperatura da água e o detergente que escolher também fazem a diferença. A água fria ajuda a proteger as cores e os tecidos delicados, ao passo que a água quente é melhor para as nódoas mais pesadas e para a higienização.
Em última análise, todos estes pequenos hábitos acabam por se somar, ajudando-o a poupar energia, a reduzir o desgaste e a manter as suas roupas com bom aspeto durante mais tempo.
Eis algumas considerações simples que podem fazer uma grande diferença no aspeto e no toque das suas roupas após cada lavagem:
A visão por computador tem o potencial de tornar a seleção da roupa muito mais fácil. Pode ser utilizada para reconhecer rapidamente diferentes cores, peças de vestuário e texturas, ajudando a evitar os erros comuns que as pessoas cometem ao separar a roupa à mão.
De facto, um estudo recente mostrou como a visão por computador e a robótica podem ser utilizadas para classificar automaticamente os têxteis. Os investigadores utilizaram um modelo de visão por computador que suportava tarefas como a deteção de objectos, um método para localizar e identificar objectos numa imagem, para encontrar cada artigo têxtil à medida que este se movia ao longo de uma correia transportadora.
O modelo foi treinado com base em exemplos de têxteis etiquetados em diferentes categorias de aparência, permitindo-lhe classificar visualmente cada item como roupa clara, roupa escura ou roupa multicolorida com base na sua cor e textura. Um robô recolheu então cada peça utilizando uma pinça personalizada e colocou-a no contentor de lixo correto, tudo isto sem ajuda humana. Embora o estudo se tenha centrado na reciclagem de têxteis, os mesmos passos, ver um artigo, compreender o que é e saber para onde deve ir, tornam possível a classificação automática da roupa.
As soluções de visão por computador baseiam-se em várias tarefas de visão essenciais que funcionam em conjunto para ajudar as máquinas a interpretar o que vêem. Por exemplo, a deteção de objectos permite a um sistema identificar itens numa imagem e determinar a sua localização.
Da mesma forma, a segmentação de instâncias acrescenta mais detalhes ao delinear a forma exacta de cada item ao nível do pixel. Além disso, a classificação de imagens ajuda a categorizar aquilo para que o sistema está a olhar, como a identificação de cores, padrões ou tipos de vestuário.
Modelos como o Ultralytics YOLOv8 e YOLO11 suportam estas tarefas e facilitam a sua aplicação em sistemas do mundo real. Podem ser utilizados para detetar peças de vestuário, delinear a sua forma e classificar as suas caraterísticas visuais numa única passagem, tudo a alta velocidade. Isso permite que as soluções de IA de visão analisem itens em tempo real à medida que se movem ou mudam, tornando a classificação automatizada de roupas precisa e eficiente.
Aqui está uma análise mais detalhada das etapas envolvidas na utilização dos modelos YOLO da Ultralytics para criar um sistema de seleção de roupa:
À medida que o sistema de visão de classificação de roupas é usado, é importante monitorar seu desempenho e atualizá-lo quando necessário. Adicionar novas imagens, retreinar periodicamente e ajustar as regras de classificação à medida que os estilos de roupas ou tecidos mudam ajuda a manter o sistema preciso e confiável ao longo do tempo.
Para além da triagem, a IA de visão também está a ser utilizada noutras partes do fluxo de trabalho da lavandaria e dos têxteis. Em muitos casos, a simples observação de uma peça de roupa não é suficiente para decidir como ela deve ser lavada. Duas camisas podem parecer idênticas por fora, mas uma pode precisar de uma lavagem suave enquanto a outra requer lavagem a seco, e é por isso que verificar a etiqueta de cuidados é essencial. A automatização deste passo ajuda a reduzir os erros e garante que as peças de vestuário são tratadas corretamente.
Por exemplo, um projeto de investigação recente desenvolveu um sistema de reconhecimento de etiquetas de cuidados utilizando um modelo de classificação de imagens Ultralytics YOLOv8. A equipa treinou o modelo em mais de 10.000 imagens de símbolos de etiquetas de cuidados, permitindo-lhe identificar com precisão os símbolos de lavagem, secagem e engomagem a partir de uma única fotografia. O modelo treinado foi integrado numa aplicação móvel que digitaliza a etiqueta de cuidados de uma peça de vestuário e devolve os símbolos reconhecidos juntamente com as instruções de lavagem recomendadas, facilitando aos utilizadores o cuidado correto das suas roupas.
Outra aplicação importante da IA de visão nas operações de lavandaria é a deteção de defeitos nos tecidos. As soluções baseadas em modelos como o YOLOv8 podem analisar as peças de vestuário para detetar defeitos como nódoas, rasgões, fios soltos ou áreas desgastadas antes de as lavar ou embalar.
A identificação precoce desses problemas ajuda a evitar que itens danificados entrem em equipamentos automatizados, reduz o retrabalho e garante que apenas roupas em boas condições continuem no fluxo de trabalho. Isto melhora o controlo de qualidade e minimiza o desperdício em ambientes de lavandaria de grande escala.
Eis algumas das principais vantagens da utilização da IA de visão para separar a roupa:
Apesar destas vantagens, há alguns factores a ter em conta quando se implementam estas soluções. Apresentamos de seguida algumas limitações comuns:
Separar corretamente a roupa ajuda a proteger os tecidos, a manter as cores vivas e a prolongar a vida útil da roupa. A IA de visão torna este processo mais rápido e mais fiável.
Modelos como o Ultralytics YOLOv8 e YOLO11 podem ser treinados de forma personalizada para identificar tipos de roupas e distinguir categorias de cores, permitindo que sistemas automatizados classifiquem itens com precisão. Isto reduz o desperdício, evita erros no ciclo de lavagem e apoia operações de lavandaria mais inteligentes e sustentáveis.
Explore mais sobre a IA juntando-se à nossa comunidade e visitando o nosso repositório GitHub. Consulte as nossas páginas de soluções para ler sobre a IA na logística e a visão computacional na indústria automóvel. Descubra nossas opções de licenciamento e comece a construir com o Vision AI hoje mesmo!
