Acompanhar bolas de golfe utilizando modelos Ultralytics YOLO

O golfe está a chegar a mais pessoas do que nunca. Em 2024, estima-se que 138 milhões de pessoas nos EUA tenham tido algum contacto com o desporto, e 47,2 milhões tenham jogado golfe efetivamente, num campo ou através de opções fora do campo, como campos de treino e simuladores.

À medida que a participação e o interesse continuam a crescer, os golfistas esperam cada vez mais ferramentas melhores para praticar, obter feedback e acompanhar o desempenho. Isto acontece porque jogar golfe é muitas vezes mais divertido quando existem informações claras sobre o jogo.

Fig. 1. Milhões de pessoas jogam golfe em todo o mundo.

Imagina que bates uma tacada de saída, uma tacada longa a partir do tee, e queres saber exatamente como a bola voou, onde caiu e se fez uma curva para a esquerda ou para a direita. É aqui que o rastreamento e a análise avançados da bola podem fazer a diferença.

No centro destes sistemas de rastreamento da bola está a visão computacional, um ramo da inteligência artificial (AI) que processa dados visuais. Os sistemas de visão computacional utilizam câmaras de alta velocidade e modelos de aprendizagem profunda, como o Ultralytics YOLO11 e o futuro Ultralytics YOLO26, para detetar e rastrear o movimento da bola em tempo real.

Depois de a bola ser detetada e rastreada frame a frame, as suas posições podem ser utilizadas para mapear o voo, prever a aterragem e estimar detalhes como a velocidade, o ângulo de lançamento e o efeito. O resultado é feedback instantâneo para melhorar a prática, o treino e a visualização.

Neste artigo, vamos explorar como a visão computacional e os modelos YOLO da Ultralytics podem ser utilizados para rastrear bolas de golfe. Vamos começar!

Tipos de tecnologias de rastreamento de bolas de golfe#

Antes de nos aprofundarmos na visão computacional para o rastreamento de bolas de golfe, vamos analisar rapidamente algumas outras formas de rastrear bolas de golfe.

Um método consiste em utilizar bolas de golfe inteligentes. As bolas de golfe inteligentes são dispositivos de hardware equipados com sensores internos, conectividade Bluetooth, etiquetas RFID e até sistemas de localização baseados em GPS.

Estas funcionalidades permitem um rastreamento preciso e a monitorização do desempenho. Mas também implicam compromissos, incluindo uma duração limitada da bateria, desafios de durabilidade e preocupações sobre se as bolas de golfe inteligentes têm a mesma sensação que as bolas de golfe normais.

Para além das bolas inteligentes, os sistemas de rastreamento externos também estão a tornar-se populares. Por exemplo, os monitores de lançamento baseados em radar e as configurações de câmaras óticas de alta velocidade podem captar dados detalhados sobre o voo, a trajetória e o efeito da bola com elevada precisão, fornecendo informações importantes para golfistas de todos os níveis.

Fig. 2. Um exemplo de rastreamento de uma bola de golfe. (Fonte)

Integração da Vision AI na análise de golfe#

A visão computacional é outro excelente exemplo de rastreamento externo. Em particular, modelos como o YOLO11 e o futuro YOLO26 são compatíveis com tarefas de visão computacional, como deteção de objetos, estimativa de pose, segmentação de instâncias e rastreamento de objetos. Em conjunto, estas capacidades facilitam a deteção da bola, o seu acompanhamento frame a frame, o rastreamento automático das tacadas e a geração de informações úteis sobre o desempenho a partir de imagens captadas por câmaras convencionais.

Estas informações também podem ser integradas em ecossistemas conectados maiores, incluindo aplicações móveis, dispositivos vestíveis Garmin (como relógios GPS que rastreiam voltas e tacadas) e plataformas de simuladores de golfe. Isto facilita o armazenamento de dados, a análise do desempenho ao longo do tempo e o acesso a informações em vários dispositivos.

Outra razão para a popularidade destes métodos é o facto de funcionarem com as bolas em que os golfistas já confiam. Muitos sistemas são compatíveis com marcas de golfe premium, como Titleist Pro V1, Callaway, TaylorMade e Srixon, e funcionam bem com bolas de uretano normais de alto desempenho. Desta forma, os jogadores podem obter um rastreamento avançado sem trocar de equipamento.

Como utilizar modelos YOLO da Ultralytics para rastrear bolas de golfe#

Os modelos YOLO da Ultralytics estão disponíveis como modelos de visão computacional pré-treinados, treinados em conjuntos de dados populares como COCO, para que possam detetar vários objetos do dia a dia, como pessoas, carros, bicicletas e animais, imediatamente. Isto faz deles um bom ponto de partida para uma vasta gama de aplicações do mundo real.

No entanto, também podem ser treinados de forma personalizada com os teus próprios dados, o que é especialmente importante para o rastreamento de bolas de golfe, em que o alvo é pequeno, rápido e fácil de não detetar. Se quiseres treinar um modelo YOLO da Ultralytics para detetar e rastrear bolas de golfe, o primeiro passo é recolher ou encontrar um conjunto de dados relevante.

Isto envolve normalmente vídeos ou imagens de tacadas de golfe nas quais a bola está identificada em cada frame. O modelo pode então ser ajustado para aprender a detetar a bola de forma fiável em diferentes condições de iluminação, fundos e ângulos de câmara.

O processo de treino é simplificado pelo pacote Python da Ultralytics, que fornece ferramentas simples para carregamento de dados, treino, validação e implementação de modelos. Depois de treinado, o modelo pode detetar bolas de golfe frame a frame em novos vídeos.

É importante ter em conta que o próprio modelo YOLO não rastreia objetos ao longo do tempo. Em vez disso, o rastreamento é ativado pelo pacote Python da Ultralytics, que combina as deteções do YOLO com algoritmos de rastreamento de vários objetos, como BoT-SORT e ByteTrack.

Estes rastreadores utilizam a previsão de movimento, frequentemente baseada em filtros de Kalman (um modelo matemático que prevê a posição seguinte de um objeto utilizando o movimento passado e medições com ruído), para estimar onde a bola deverá aparecer a seguir e manter um ID consistente entre frames. Com esta configuração, o sistema pode acompanhar a bola enquanto ela se move, se sobrepõe brevemente a outros objetos, sai do frame e reaparece mais tarde.

Transformar deteções em trajetórias estáveis#

Podes estar a perguntar-te como é que detetar e rastrear uma bola de golfe ajuda a obter análises mais precisas. Em termos simples, é como ligar os pontos.

Cada deteção é um ponto, e o rastreamento liga-os numa trajetória suave que mostra como a bola se moveu pelo ar. Depois de obteres essa trajetória da bola, podes estimar detalhes importantes da tacada, como a velocidade, o ângulo de lançamento, o formato da tacada e o local provável de aterragem da bola.

Por exemplo, num estudo recente sobre rastreamento 3D orientado pela física de objetos pequenos em movimento rápido, os investigadores combinaram um detetor Ultralytics YOLOv8 com um modelo de rastreamento baseado na física. O Ultralytics YOLOv8 foi utilizado para a deteção de objetos, localizando a bola em cada frame, enquanto o modelo de movimento previa onde ela apareceria a seguir. Isto ajudou o sistema a manter o rastreamento durante o desfoque de movimento, pequenas oclusões e deteções falhadas.

Fig. 3. Um sistema que utiliza modelos YOLO e rastreamento 3D para rastrear objetos pequenos. (Fonte)

Uma vantagem importante destes sistemas é que aquilo que antes exigia equipamento profissional está agora disponível para os golfistas comuns, com as tacadas visualizadas em tempo real em smartphones, dispositivos vestíveis e ecrãs de simuladores para obter feedback instantâneo. Estas informações aplicam-se a todas as tacadas, desde as tacadas de saída aos putts, ajudando os golfistas a identificar padrões, comparar tacos e melhorar mais rapidamente.

Vantagens e desvantagens da utilização de rastreadores de bolas de golfe com visão computacional#

Agora que compreendemos melhor como a visão computacional permite rastrear bolas de golfe, vejamos mais de perto algumas das suas vantagens:

• Feedback em tempo real: Estes sistemas fornecem dados instantâneos sobre o voo, a trajetória e o local de aterragem da bola, permitindo que os golfistas façam ajustes imediatos ao seu swing e à estratégia da tacada.
• Menos bolas perdidas: Ao rastrear a bola continuamente, os golfistas passam menos tempo à procura de bolas perdidas, o que melhora o ritmo geral de jogo no campo de golfe, no campo de treino ou no fairway.
• Compatibilidade universal: Como os sistemas de Vision AI rastreiam a bola através de câmaras, em vez de sensores no seu interior, normalmente funcionam com bolas de golfe normais, incluindo modelos premium como Titleist Pro V1, Callaway, TaylorMade e Srixon.

Mesmo com estes benefícios, o rastreamento de bolas de golfe baseado em visão computacional tem algumas limitações a considerar. Eis alguns fatores importantes:

• Dependência de visibilidade nítida: Estes sistemas requerem vistas desobstruídas das câmaras e iluminação estável; sombras, reflexos ou obstruções podem reduzir a precisão da deteção.
• Desafios com tacadas longas ou rápidas: Tacadas de saída extremamente longas ou velocidades muito elevadas da bola podem fazê-la sair do frame da câmara, tornando o rastreamento menos fiável.
• Restrições regulamentares: Determinados sistemas de rastreamento por visão computacional podem ser restringidos pelas regras de competição da USGA e do PGA Tour, limitando a sua utilização em torneios oficiais.

O futuro do rastreamento inteligente de bolas de golfe#

O rastreamento de bolas de golfe está a evoluir rapidamente, impulsionado por modelos melhores, sensores melhores e um processamento mais rápido no dispositivo. Arquiteturas mais recentes, como o futuro Ultralytics YOLO26, baseiam-se em modelos anteriores com melhorias na precisão e uma inferência mais eficiente, o que pode tornar a deteção em tempo real mais prática em dispositivos de edge computing utilizados em campos de treino, simuladores e configurações de treino.

Ao mesmo tempo, os sistemas de rastreamento estão a tornar-se mais completos ao combinar a visão computacional com monitores de lançamento baseados em radar, associando o voo da bola captado por câmaras a dados mais detalhados sobre o taco e o impacto. À medida que estas ferramentas chegam aos campos de treino e às aplicações móveis, mais golfistas podem aceder a feedback instantâneo sem alterar a bola que utilizam.

Fig. 4. Uma visão geral de um modelo de aprendizagem profunda do voo de uma bola de golfe que utiliza dados de um monitor de lançamento. (Fonte)

É provável que as informações baseadas em AI continuem a apoiar mais áreas do golfe, desde o treino e o coaching até à tomada de decisões no campo. À medida que os sistemas de rastreamento e de traçado das tacadas se tornam mais inteligentes, os golfistas podem esperar mais análises automatizadas, recomendações mais personalizadas e ferramentas de prática melhoradas com sobreposições de realidade aumentada (AR).

Principais conclusões#

Os modelos YOLO da Ultralytics e a visão computacional estão a mudar a forma como as bolas de golfe são rastreadas. Conseguem produzir trajetórias precisas e fornecer feedback em tempo real com informações úteis sobre o desempenho. À medida que estas ferramentas se ligam a sistemas de radar e telemóveis, a análise avançada das tacadas está a tornar-se mais fácil de utilizar para um número maior de golfistas.

Tens curiosidade sobre AI? Explora a nossa comunidade ativa e descobre inovações como AI na indústria e Vision AI no retalho. Visita o nosso repositório no GitHub e começa hoje a utilizar a visão computacional, consultando as nossas opções de licenciamento.