SOHGA reduz o tempo de monitorização de estacionamento em 30% com o Ultralytics YOLO

As rondas em estacionamentos são uma tarefa rotineira, mas operacionalmente exigente em vários setores no Japão. Patrulhas em estacionamentos são frequentemente um requisito para certos setores, como o de saúde. Por exemplo, hospitais precisam manter as vias de acesso livres para ambulâncias e usuários de cadeiras de rodas, enquanto outros setores são obrigados a verificar seus estacionamentos em busca de ocupantes abandonados. Para as equipes que gerenciam grandes pátios durante várias rodadas de patrulha por dia, monitorar cada veículo de forma consistente é um desafio operacional real.

A SOHGA Co. criou o MEGURU para solucionar isso. Alimentado pelo Ultralytics YOLO26, o MEGURU é um sistema móvel de reconhecimento de placas que ajuda a equipe de patrulha a rastrear cada veículo em um estacionamento em tempo real, distinguindo automaticamente os carros que já foram verificados daqueles que ainda não foram, por meio de um feedback de áudio simples fornecido via smartphone.

Link to this sectionUsando visão computacional para apoiar as rondas em estacionamentos#

O sistema MEGURU da SOHGA foi projetado em torno de um fluxo de trabalho direto. Um membro da equipe carrega um iPhone montado em um bastão de selfie e caminha pelo estacionamento em um ritmo normal. À medida que passam por cada veículo, o sistema escaneia a placa em tempo real e emite um alerta de áudio: um som para um veículo novo que ainda não foi registrado e um som diferente para um que já foi verificado.

Este design focado em áudio é intencional. A equipe de patrulha não está apenas registrando placas; eles também estão olhando pelas janelas dos carros para verificar se há ocupantes. Ao fornecer feedback por meio de som, em vez de exigir que a equipe olhe para a tela, o MEGURU mantém a atenção deles no veículo em vez de no dispositivo. Uma nova placa é processada instantaneamente, permitindo que a equipe passe de um veículo para o próximo a cada 2-3 segundos. À medida que os operadores fazem suas rondas, o MEGURU consegue acompanhar a equipe em tempo real, fornecendo pistas de áudio de forma eficiente sem quebrar o foco visual deles.

O sistema está atualmente implantado em 112 clientes no leste do Japão, operando em 147 dispositivos, reduzindo o tempo de patrulha em cerca de 30% em média. No caso documentado mais significativo, uma patrulha que antes levava duas horas foi concluída em 40 minutos.

Link to this sectionDesafios do reconhecimento de placas em um dispositivo em movimento#

O reconhecimento confiável de placas em um ambiente controlado e estático é um problema bem compreendido. Fazê-lo em um smartphone portátil se movendo por um estacionamento é consideravelmente mais complexo. À medida que o patrulheiro caminha, o dispositivo treme, o ângulo de visão muda de carro para carro, as condições de iluminação mudam e as placas aparecem em distâncias e orientações variadas. Essas condições criam desfoque de movimento e enquadramento inconsistente que tornam as abordagens padrão de OCR não confiáveis.

A SOHGA avaliou o OCR durante o desenvolvimento e descobriu que ele produzia leituras incorretas frequentes em caracteres visualmente semelhantes. Este é um problema significativo em um sistema que depende da identificação precisa da placa. As placas japonesas usam um conjunto definido de caracteres em vez de um conjunto aberto, o que apontou para uma abordagem mais direcionada: treinar um modelo de detecção apenas com os caracteres que poderiam realmente aparecer em uma placa, em vez de confiar em um sistema geral de reconhecimento de texto.

Essa abordagem também tornou o modelo mais robusto às realidades físicas do ambiente de digitalização. Como os dados de treinamento refletiam condições do mundo real, como desfoque de movimento, inclinação e iluminação variável, o modelo aprendeu a lidar com essas variações em vez de ser prejudicado por elas.

Link to this sectionComo a SOHGA usa o Ultralytics YOLO26#

O pipeline de visão do MEGURU usa dois modelos Ultralytics YOLO trabalhando em sequência:

Detecção de placa de licença. O primeiro modelo localiza a placa dentro de cada quadro da câmera. Executando a 10 quadros por segundo no iPhone, ele identifica continuamente a região da imagem que contém a placa à medida que o dispositivo passa por cada veículo.

Reconhecimento de caracteres. O segundo modelo pega a região cortada da placa e identifica cada caractere. Como é treinado especificamente no conjunto de caracteres usado nas placas japonesas, ele opera dentro de um espaço de detecção restrito que melhora a precisão em comparação com o OCR de uso geral. Para lidar com a variação quadro a quadro causada pelo movimento, o sistema aplica um mecanismo de votação majoritária em vários quadros antes de confirmar uma leitura.

A velocidade e a capacidade de treinamento do YOLO foram fundamentais para que isso funcionasse. Executar a inferência em tempo real em um smartphone comum exige um modelo que seja preciso e leve. O treinamento em um conjunto de dados específico do domínio, em vez de depender de um modelo de OCR de prateleira, deu à SOHGA o controle necessário para ajustar o desempenho para seu caso de uso exato. Isso resultou em um reconhecimento de placa quase instantâneo, com uma janela de tempo de 2-3 segundos que reflete a cadência de caminhada do operador entre os veículos, com o MEGURU conseguindo acompanhar essa velocidade, fornecendo pistas de áudio em tempo real sem fazer o patrulheiro esperar.

Link to this sectionPor que escolher Ultralytics YOLO models?#

Os modelos Ultralytics YOLO oferecem a combinação de desempenho em tempo real e flexibilidade de treinamento que o MEGURU exigia. Operando em um iPhone padrão em vez de hardware dedicado, o sistema precisava de um modelo que pudesse fornecer inferência precisa a 10 FPS em todo o pipeline de dois estágios, incluindo a detecção e o reconhecimento de caracteres, sem depender de uma GPU ou de uma conexão em nuvem. A arquitetura eficiente do YOLO tornou isso possível.

A capacidade de treinar em um conjunto de dados específico do domínio foi igualmente importante. As placas japonesas usam um conjunto de caracteres restrito, e criar um modelo treinado especificamente nesses caracteres, em vez de usar um sistema geral de reconhecimento de texto, deu à SOHGA uma base mais confiável e precisa para a detecção de caracteres. O mesmo processo de treinamento também permitiu que o modelo se tornasse robusto às condições do mundo real do ambiente de patrulha: desfoque de movimento, ângulos oblíquos e iluminação variável.

A SOHGA também mediu um benefício inesperado para a qualidade da patrulha. Usando equipamento de monitoramento de ondas cerebrais em um teste controlado, eles descobriram que a equipe sem o MEGURU conseguia manter a concentração por cerca de 10 a 15 minutos durante uma patrulha. Com o MEGURU fornecendo feedback de áudio contínuo e eliminando a necessidade de registrar manualmente as placas, a equipe conseguiu manter a atenção focada por até uma hora, que era a duração total de uma rodada de patrulha.

Link to this sectionDimensionando as operações de patrulha em todo o Japão#

O MEGURU está atualmente implantado em mais de 100 clientes no leste do Japão, com mais de 140 dispositivos em uso ativo. O sistema atende a dois grupos principais de clientes, cada um usando-o para atender a um requisito operacional específico.

Hospitais: Veículos estacionados ilegalmente nas vias de acesso hospitalar podem bloquear rotas de ambulâncias e impedir o acesso de cadeiras de rodas. O MEGURU ajuda a equipe de patrulha do hospital a identificar e registrar veículos infratores com mais eficiência.

Salões de Pachinko: As regulamentações japonesas exigem que os locais de pachinko patrulhem seus estacionamentos e verifiquem se há ocupantes abandonados ou crianças deixadas sozinhas em um veículo. O MEGURU oferece à equipe de patrulha uma maneira consistente e estruturada de registrar cada veículo no pátio e garantir que nenhum seja esquecido, substituindo um processo manual difícil de verificar ou padronizar. A função principal do MEGURU é fornecer uma maneira fácil de distinguir entre veículos verificados e não verificados, reduzindo a fadiga de concentração da equipe e melhorando a eficácia das inspeções internas dos veículos, ajudando, em última análise, a salvar vidas.

Outra aplicação prática é lidar com o estacionamento não autorizado. Veículos que usavam repetidamente o pátio sem serem clientes de pachinko eram um problema persistente de longa data, difícil de gerenciar de forma eficaz. Ao analisar os padrões de estacionamento, esses veículos podem ser claramente identificados, e a emissão de avisos foi relatada como capaz de reduzir as reincidências a zero.

Fig 1. Uma placa de licença sendo analisada pelo MEGURU.

Além do caso de uso principal de patrulha, a SOHGA estendeu os recursos do MEGURU para análise de visitantes, uma vez que as placas japonesas incluem a localidade registrada do veículo, e devido ao fato de os dados da placa não serem classificados como informações pessoais sob a lei japonesa, os clientes podem usar os registros do MEGURU para entender de onde os visitantes vêm, quanto tempo ficam e com que frequência retornam.

Link to this sectionTrazendo estrutura e consistência para as rondas em estacionamentos#

O MEGURU aborda um problema operacional direto: como garantir que cada veículo em um estacionamento tenha sido verificado, e resolve isso de uma maneira prática e escalável. Ao executar dois modelos Ultralytics YOLO26 em um iPhone padrão, a SOHGA construiu um sistema que funciona nas condições do mundo real de um estacionamento ativo.

Os resultados são mensuráveis. O tempo de patrulha foi reduzido em uma média de 30% nas implantações, com a equipe capaz de manter a concentração consistente durante uma rodada completa de patrulha. Com mais de 100 clientes e mais de 140 dispositivos implantados em todo o leste do Japão, o MEGURU é um ótimo exemplo de como os modelos de visão computacional estão desempenhando um papel ativo nas cidades para monitorar a segurança, além de serem uma ferramenta confiável para o gerenciamento de estacionamentos.

Curioso sobre IA de visão? Descubra nossas opções de licenciamento para levar a visão computacional aos seus projetos. Visite nosso repositório no GitHub e junte-se à nossa comunidade.