Visão por computador (CV)

A Visão por Computador (CV) é um domínio especializado da Inteligência Artificial (IA) que permite aos computadores e sistemas obter informações significativas a partir de imagens digitais, vídeos e outros dados visuais. Essencialmente, o seu objetivo é replicar a compreensão visual humana, permitindo que as máquinas "vejam", interpretem e tomem decisões com base em dados visuais. Isto envolve o processamento de informações visuais utilizando algoritmos complexos e modelos de aprendizagem profunda (DL) para reconhecer objectos, compreender cenas e extrair conhecimentos de alto nível. Ao contrário do processamento simples de imagens, que se concentra principalmente em melhorar ou manipular os dados da imagem (como ajustar o brilho ou aplicar filtros), a visão computacional procura compreender o conteúdo e o contexto das imagens.

Importância da IA e da aprendizagem automática

A Visão por Computador é fundamental para muitos sistemas modernos de IA e Aprendizagem Automática (AM), fornecendo as capacidades necessárias para as máquinas interagirem e compreenderem o mundo físico através da perceção visual. O advento de técnicas como as Redes Neuronais Convolucionais (CNN), inspiradas no córtex visual humano, revolucionou a CV. Estas redes permitem que os modelos aprendam automaticamente caraterísticas hierárquicas a partir de grandes quantidades de dados visuais, conduzindo a melhorias significativas na precisão de várias tarefas de visão por computador. Este progresso permite aplicações sofisticadas que anteriormente eram inatingíveis, tornando a CV uma pedra angular do atual desenvolvimento da IA e um motor essencial para casos de utilização de IA que transformam o nosso futuro.

Conceitos-chave e tarefas

A visão computacional engloba uma vasta gama de tarefas destinadas a extrair diferentes tipos de informação de dados visuais. Algumas das principais tarefas incluem:

• Classificação de imagens: Atribuição de uma única etiqueta ou categoria a uma imagem inteira (por exemplo, identificar uma imagem como contendo um "gato" ou um "cão"). Conjuntos de dados como o ImageNet são normalmente utilizados para esta tarefa.
• Deteção de objectos: Identificar a presença e a localização de vários objectos numa imagem, normalmente desenhando caixas delimitadoras à sua volta e atribuindo etiquetas de classe (por exemplo, localizar todos os "carros" e "peões" numa cena de rua). Modelos como o Ultralytics YOLO são amplamente utilizados para a deteção eficiente de objectos.
• Segmentação de imagens: Classificação de cada pixel de uma imagem como pertencente a um determinado objeto ou região. Isto proporciona uma compreensão mais detalhada do que a deteção de objectos. Os tipos incluem segmentação semântica (rotulagem de pixels por categoria) e segmentação de instância (diferenciação de instâncias de objectos individuais dentro da mesma categoria). Consulte um guia sobre segmentação e seguimento de instâncias.
• Estimativa de pose: Deteção da posição e orientação de pontos-chave de um objeto, frequentemente utilizada para a estimativa da pose humana (identificação de articulações) ou para o seguimento de objectos rígidos. Saiba mais sobre o treinamento personalizado para estimativa de pose de cães.
• Rastreamento de objetos: Identificação e seguimento de objectos específicos em vários fotogramas de uma sequência de vídeo. Isto combina a deteção de objectos com a análise temporal. Explore a deteção e o seguimento de objectos com o Ultralytics YOLOv8.
• Fluxo ótico: Estimativa do movimento de objectos ou da câmara entre fotogramas consecutivos de um vídeo.

Visão computacional vs. áreas afins

É útil distinguir a Visão por Computador das disciplinas relacionadas:

• Processamento de imagem: Concentra-se na manipulação de imagens a um nível inferior, frequentemente como um passo de pré-processamento para CV. As tarefas incluem a redução do ruído, o aumento do contraste e a filtragem utilizando bibliotecas como a OpenCV. O processamento de imagens modifica os pixéis, mas não interpreta necessariamente o conteúdo da imagem. Leia mais sobre as principais diferenças entre a Visão por Computador e o Processamento de Imagem.
• Visão artificial (VM): Embora se sobreponha à CV, a VM refere-se normalmente à aplicação da tecnologia de visão em ambientes industriais para inspeção automatizada, controlo de processos e orientação de robôs. Os sistemas MV funcionam frequentemente em ambientes controlados com iluminação específica e configurações de câmara, concentrando-se na fiabilidade e velocidade para tarefas específicas como a inspeção de qualidade no fabrico. Mais sobre Visão mecânica.

Tecnologias e estruturas

O desenvolvimento de aplicações de visão computacional depende de várias ferramentas, bibliotecas e estruturas:

• Bibliotecas: A OpenCV (Open Source Computer Vision Library) é uma biblioteca fundamental que oferece uma vasta coleção de algoritmos para processamento de imagens e tarefas clássicas de CV. Outras bibliotecas incluem Pillow para manipulação de imagens em Python e Scikit-image para algoritmos de processamento de imagens.
• Estruturas de aprendizagem profunda: PyTorch e TensorFlow são as principais estruturas para construir e treinar modelos de aprendizagem profunda, incluindo os utilizados no CV.
• Modelos: Os modelos mais avançados, como o YOLO (You Only Look Once), permitem uma deteção eficiente de objectos em tempo real. Arquitecturas como a ResNet são os pilares comuns, e os Transformadores de Visão (ViT) representam uma nova classe de modelos que está a ganhar destaque. Compare diferentes desempenhos de modelos YOLO.
• Plataformas: Ferramentas como o Ultralytics HUB simplificam o processo de formação, implementação e gestão de modelos CV, oferecendo funcionalidades como a formação na nuvem e a gestão de conjuntos de dados. Outras plataformas, como Roboflow e Weights & Biases, oferecem ferramentas complementares para anotação de dados e acompanhamento de experiências.

Aplicações no mundo real

As aplicações de visão computacional estão cada vez mais presentes em vários sectores:

• Veículos autónomos: A CV é fundamental para os carros autónomos, permitindo-lhes perceber o que os rodeia, detetar peões e outros veículos, ler sinais de trânsito e navegar em segurança. Empresas como a Waymo e a Tesla dependem fortemente de sistemas de CV. Explore as soluções de IA no sector automóvel.
• Cuidados de saúde: Na análise de imagens médicas, a CV ajuda os radiologistas a detetar anomalias como tumores ou fracturas em raios X, tomografias computorizadas e ressonâncias magnéticas. Também é utilizada na cirurgia robótica e na monitorização de doentes. Ver investigação de Radiologia: Inteligência Artificial. Descubra como o YOLO11 é utilizado para a deteção de tumores.
• Segurança e vigilância: O CV alimenta sistemas de monitorização automatizados, detectando intrusões, seguindo indivíduos e analisando o comportamento de multidões. Veja como construir um sistema de alarme de segurança.
• Retalho: As aplicações incluem a gestão do inventário através da monitorização das prateleiras, a análise do comportamento dos clientes e sistemas de caixa sem caixa, como os da Amazon Go.
• Fabrico: Utilizado para controlo de qualidade, deteção de defeitos, monitorização da linha de montagem e automação robótica. Saiba como criar soluções de fabrico inteligentes com o YOLO11.
• Agricultura: Permite a agricultura de precisão através da monitorização de culturas, deteção de doenças, identificação de ervas daninhas e colheita automatizada. Leia sobre a monitorização em tempo real do estado das culturas.
• Entretenimento: Utilizada na produção de filmes para efeitos especiais, captura de movimentos e em jogos para criar experiências imersivas. Explorar a IA nos jogos de vídeo.