Como separar roupa de forma eficiente com os modelos YOLO da Ultralytics

Lavar roupa pode parecer uma tarefa simples. Mas isso só acontece até algo inesperado acontecer.

Podes colocar algumas camisolas de cores diferentes na máquina, carregar em iniciar e esperar que tudo saia com o mesmo aspeto. No entanto, nem sempre é isso que acontece.

Talvez uma T-shirt branca fique cinzenta ou uma camisola favorita saia alguns tamanhos mais pequena. Até pequenos erros ao separar a roupa podem desgastá-la silenciosamente ao longo do tempo.

Surpreendentemente, muitas pessoas continuam a não separar a roupa, mesmo sabendo como isso é importante. Um inquérito recente revelou que menos de metade dos adultos com menos de 40 anos separa regularmente a roupa entre brancos e escuros. Isto mostra como é fácil facilitar na lavagem da roupa, especialmente quando estás ocupado.

Fig. 1. Separar a roupa pode ajudar a manter as cores vivas e os tecidos em bom estado.

E se não tivesses de pensar em separar a roupa? Imagina um sistema automatizado que reconhece peças de vestuário, cores e até símbolos das etiquetas de cuidados antes de carregares em “iniciar”. Essa ideia, outrora futurista, está agora a tornar-se possível graças à visão computacional.

A visão computacional é um ramo da inteligência artificial (AI) que permite às máquinas ver e interpretar imagens e vídeos com elevada precisão. Com modelos de visão baseados em AI, como o Ultralytics YOLO11 e o futuro Ultralytics YOLO26, os sistemas podem analisar peças de vestuário, cores e até símbolos das etiquetas de cuidados que indicam se uma peça deve ser lavada na máquina, à mão ou se deve ser totalmente mantida fora da lavagem. Este nível de compreensão torna possível separar a roupa com precisão e sem esforço humano.

Neste artigo, vamos explorar por que razão é importante separar a roupa, como fazê-lo corretamente e como os modelos Ultralytics YOLO tornam o processo mais inovador e eficiente. Vamos começar!

A importância de separar corretamente a roupa#

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 de por que razão é realmente importante separar a roupa.

Separar corretamente a roupa ajuda a preservar a sua cor, forma e textura. Quando peças claras ou escuras são lavadas com peças mais claras, as cores podem debotar e tornar toda a carga baça. Mantê-las separadas ajuda a evitar isso.

Os tecidos delicados, como seda, caxemira e renda, também precisam de cuidados adicionais. Não devem ser lavados nos mesmos ciclos agressivos destinados a peças mais pesadas. Ao mesmo tempo, agrupar a roupa por tipo e peso do tecido ajuda a máquina de lavar a trabalhar melhor. As peças leves e pesadas absorvem água e centrifugam de forma diferente, pelo que lavar peças semelhantes em conjunto proporciona uma limpeza mais uniforme, menos cotão e um melhor enxaguamento.

A temperatura da água e o detergente que escolhes também fazem diferença. A água fria ajuda a proteger as cores e os tecidos delicados, enquanto a água quente é melhor para nódoas difíceis e para desinfetar.

Em última análise, todos estes pequenos hábitos se acumulam, ajudando-te a poupar energia, reduzir o desgaste e manter a roupa com bom aspeto durante mais tempo.

Fatores a considerar ao separar a roupa#

Eis alguns aspetos simples que podem fazer uma grande diferença no aspeto e no toque da tua roupa após cada lavagem:

• Separa por cor: Mantém as roupas brancas, as cores vivas e as peças de cores escuras em cargas diferentes. Isto evita a transferência de tinta e ajuda a manter as cores vibrantes e os brancos luminosos.

• Agrupa por tipo de tecido: Lava peças pesadas, como calças de ganga, toalhas e camisolas, separadamente dos tecidos mais leves. Misturá-los pode causar estiramento, desbotamento ou desgaste adicional, especialmente nas peças delicadas.

• Fecha todos os fechos: Antes de lavar, fecha todos os fechos para evitar que se prendam e causem danos. Os fechos abertos podem ficar presos nos tecidos delicados durante o ciclo de lavagem.

• Verifica as etiquetas de cuidados: Os pequenos ícones nas etiquetas da roupa são essenciais e vale a pena reservar um momento para os ler. Indicam-te se algo deve ser lavado à mão, lavado a seco, seco ao ar ou colocado num ciclo delicado, para que cada tecido receba os cuidados de que precisa.

• Carrega corretamente a máquina: Mede cuidadosamente o detergente da roupa e mantém as cargas equilibradas para que cada peça seja limpa de forma uniforme.

Como a AI de visão pode ajudar a separar a roupa de forma eficiente#

A visão computacional tem potencial para tornar muito mais fácil separar a roupa. 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 computacional e a robótica podem ser utilizadas para separar têxteis automaticamente. Os investigadores utilizaram um modelo de visão computacional compatível com tarefas como a deteção de objetos, um método para localizar e identificar objetos numa imagem, para encontrar cada peça têxtil à medida que avançava ao longo de um tapete transportador.

Treinaram especificamente o modelo com exemplos anotados de têxteis em diferentes categorias de aparência, permitindo-lhe classificar visualmente cada peça como roupa clara, roupa escura ou roupa multicolorida com base na sua cor e textura. Em seguida, um robô recolheu cada peça utilizando uma pinça personalizada e colocou-a no contentor correto, tudo sem ajuda humana. Embora o estudo se tenha centrado na reciclagem de têxteis, os mesmos passos — ver uma peça, compreender o que é e saber para onde deve ir — tornam possível separar a roupa automaticamente.

Fig. 2. Um sistema robótico de visão identifica e recolhe uma peça de vestuário. (Fonte)

Como os modelos Ultralytics YOLO apoiam os sistemas de separação de roupa#

As soluções de visão computacional dependem de várias tarefas de visão fundamentais que trabalham em conjunto para ajudar as máquinas a interpretar o que veem. Por exemplo, a deteção de objetos permite a um sistema identificar itens numa imagem e determinar a sua localização.

De forma semelhante, a segmentação de instâncias acrescenta mais detalhes ao delinear a forma exata de cada item ao nível dos píxeis. Além disso, a classificação de imagens ajuda a categorizar aquilo que o sistema está a observar, como identificar cores, padrões ou tipos de peças de vestuário.

Modelos como Ultralytics YOLOv8 e YOLO11 são compatíveis com estas tarefas e facilitam a sua aplicação em sistemas reais. Podem ser utilizados para detetar peças de vestuário, delinear a sua forma e classificar as suas características visuais numa única passagem, tudo a alta velocidade. Isto permite que as soluções de AI de visão analisem itens em tempo real à medida que se movem ou mudam de posição, tornando a separação automatizada da roupa precisa e eficiente.

Utilizar modelos Ultralytics YOLO para separar a roupa#

Eis uma análise mais detalhada dos passos necessários para utilizar modelos Ultralytics YOLO na criação de um sistema de separação de roupa:

• Recolhe e anota imagens de roupa: Para começares a criar o sistema, reúne imagens de peças de roupa em diferentes condições, como montes mistos, peças individuais e vários cenários de iluminação. O formato das anotações depende da tarefa de visão computacional que planeias utilizar. Por exemplo, se escolheres a deteção de objetos, cada peça é identificada com uma caixa delimitadora. Se escolheres a segmentação de instâncias, podes anotar máscaras ao nível dos píxeis. Estas anotações ensinam o modelo onde aparecem os itens e a que categorias pertencem.
• Treina um modelo Ultralytics YOLO personalizado: Utilizando o conjunto de dados anotado, podes treinar especificamente um modelo como o YOLO11 para que detete peças de roupa, delineie as suas formas ou classifique características como a cor, o tipo de peça ou o padrão.
• Testa e avalia o modelo treinado: Avalia o modelo num conjunto de teste separado para confirmar que consegue identificar e classificar corretamente peças novas que não viu anteriormente. Este passo garante que o sistema funciona de forma fiável em condições reais.
• Implementa o modelo: Quando o modelo apresentar um bom desempenho, liga-o a uma câmara ativa apontada para um cesto ou estação de separação. O sistema processa imagens em tempo real, identifica cada peça e aplica regras de separação para encaminhar os itens para o contentor adequado. Esta configuração pode ser integrada numa variedade de sistemas de hardware, como um braço robótico que move fisicamente os itens entre cestos de roupa, um tapete transportador automatizado que encaminha as peças para diferentes secções ou um cesto inteligente que utiliza compartimentos internos para separar automaticamente a roupa.

À medida que o sistema de visão para separação da roupa é utilizado, é importante monitorizar o seu desempenho e atualizá-lo quando necessário. Adicionar novas imagens, voltar a treiná-lo periodicamente e ajustar as regras de separação à medida que os estilos ou tecidos das roupas mudam ajuda a manter o sistema preciso e fiável ao longo do tempo.

Outras aplicações da AI de visão nas operações de lavandaria#

Para além da separação, a AI de visão também está a ser utilizada noutras partes do fluxo de trabalho de lavandarias e têxteis. Em muitos casos, observar simplesmente uma peça de roupa não é suficiente para decidir como deve ser lavada. Duas camisas podem parecer idênticas por fora, mas uma pode precisar de uma lavagem delicada enquanto a outra exige limpeza a seco, razão pela qual é essencial verificar a etiqueta de cuidados. Automatizar este passo ajuda a reduzir erros e garante que as peças 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 com mais de 10 000 imagens de símbolos de etiquetas de cuidados, permitindo-lhe identificar com precisão 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 roupa e devolve os símbolos reconhecidos, juntamente com instruções de lavagem recomendadas, facilitando os cuidados corretos com a roupa.

Fig. 3. Classificação de etiquetas de cuidados utilizando YOLOv8 (Fonte).

Outra aplicação importante da AI de visão nas operações de lavandaria é a deteção de defeitos nos tecidos. As soluções baseadas em modelos como o Ultralytics YOLOv8 podem analisar peças de roupa em busca de defeitos, como nódoas, rasgões, fios soltos ou zonas desgastadas, antes da lavagem ou da embalagem.

Identificar estes problemas atempadamente ajuda a impedir que peças danificadas entrem no equipamento automatizado, reduz o retrabalho e garante que apenas peças em bom estado continuam no fluxo de trabalho. Isto melhora o controlo de qualidade e minimiza o desperdício em ambientes de lavandaria de grande escala.

Fig. 4. Deteção de manchas e rasgões em T-shirts (Fonte)

Vantagens e desvantagens da utilização de AI de visão para separar roupa#

Eis algumas das principais vantagens de utilizar AI de visão para separar a roupa:

• Eficiência dos recursos: Ao melhorar a precisão da separação das peças nas categorias de lavagem corretas, a AI de visão ajuda a evitar cargas mistas e facilita a utilização de ciclos de lavagem que consomem apenas a água, a energia e o detergente necessários.
• Opções de implementação flexíveis: Os modelos de visão podem ser executados em hardware como dispositivos de edge, hardware incorporado, servidores na nuvem e muito mais. Isto significa que os sistemas de visão podem ser concebidos para ambientes de pequena e grande escala.
• Melhoria contínua com dados: À medida que são recolhidas mais imagens durante a operação, os sistemas de visão podem ser novamente treinados para se adaptarem a novos estilos de roupa e condições ambientais.

Apesar destas vantagens, há alguns fatores a ter em conta ao implementar este tipo de soluções. Eis algumas limitações comuns:

• Sensibilidade às condições de captura: Alterações na iluminação, nas sombras, no ângulo da câmara e na qualidade da lente podem reduzir a fiabilidade do reconhecimento das peças de roupa.
• Dificuldade com montes desorganizados: Quando as peças de roupa se sobrepõem muito ou ficam fortemente presas umas às outras, os sistemas de visão podem ter dificuldade em identificar corretamente todos os itens.
• Complexidade da integração: Coordenar câmaras, sensores e sistemas robóticos exige sincronização precisa, calibração e esforço de engenharia para garantir um funcionamento estável.

Principais conclusões#

Separar corretamente a roupa ajuda a proteger os tecidos, manter as cores vivas e prolongar a vida útil das peças. A AI de visão torna este processo mais rápido e fiável.

Modelos como Ultralytics YOLOv8 e YOLO11 podem ser treinados especificamente para identificar tipos de roupa e distinguir categorias de cores, permitindo que os sistemas automatizados separem os itens com precisão. Isto reduz o desperdício, evita erros nos ciclos de lavagem e apoia operações de lavandaria mais inteligentes e sustentáveis.

Sabe mais sobre AI juntando-te à nossa comunidade e visitando o nosso repositório do GitHub. Consulta as nossas páginas de soluções para ler sobre AI na logística e visão computacional na indústria automóvel. Descobre as nossas opções de licenciamento e começa hoje a desenvolver com AI de visão!