O que é?

O programa de computador serve como um sistema de monitoramento em tempo real, projetado para detectar sinais precoces de fadiga em trabalhadores que executam tarefas manuais no ambiente industrial. Utilizando tecnologias de visão computacional e aprendizado de máquina, o sistema analisa expressões faciais e padrões de movimento capturados por uma câmera de forma não intrusiva. Sua funcionalidade se baseia em uma arquitetura de duas etapas: primeiramente, um modelo YOLO realiza uma detecção rápida do rosto e do estado dos olhos para uma triagem inicial; em seguida, caso um sinal de fadiga seja identificado, o módulo MediaPipe Face Mesh realiza uma análise fisiológica detalhada, extraindo indicadores como a abertura ocular (EAR), a abertura da boca para identificar bocejos (MAR) e a pose da cabeça. O objetivo final é aumentar a segurança e a eficiência operacional, fornecendo alertas que permitem a adoção de medidas preventivas antes que a fadiga comprometa a saúde do trabalhador e a produtividade.

Inventores

Ingrith Cristina Machado Gonçalves, Adriano Borges da Cunha, Frederico Augusto Cardoso Diniz

Estágio de Desenvolvimento

O programa de computador encontra-se no estágio de protótipo funcional, com validação realizada em ambiente controlado e simulado. O desenvolvimento foi concluído e seus objetivos específicos foram alcançados com êxito.
O sistema está plenamente funcional e foi submetido a um rigoroso processo de validação que incluiu:
• Implementação técnica completa: O algoritmo que integra YOLO e MediaPipe Face Mesh foi desenvolvido e implementado.
• Validação com bases de dados públicas: O sistema foi testado com o dataset BioID, um benchmark reconhecido na literatura científica para análise facial.
• Testes em ambientes simulados: A avaliação foi conduzida com imagens estáticas, vídeos pré-gravados e fluxos de vídeo capturados em tempo real por câmeras em desktops e notebooks.
O protótipo demonstrou resultados promissores, atingindo uma acurácia média de 70% na detecção de fadiga, um desempenho considerado robusto para uma ferramenta de alerta precoce e não intrusiva. O módulo de detecção inicial (YOLO) alcançou métricas excepcionais, com Precisão de 0,99981 e Revocação de 1,0, consolidando a viabilidade técnica da abordagem.
No entanto, o programa ainda não está em sua versão final para aplicação comercial. As fontes indicam que o estágio atual é uma base sólida para futuras evoluções, mas com as seguintes limitações a serem superadas:
• Falta de Validação em Ambiente Real: Serão realizados testes e validação em ambiente real futuramente.
• Necessidade de Otimização: Foram identificados desafios como a sensibilidade a variações de iluminação e ao uso de EPIs (óculos, máscaras), além da necessidade de otimização para plataformas embarcadas de baixo custo, como o Raspberry Pi.
Portanto, o estágio de desenvolvimento pode ser resumido como um protótipo validado, pronto para a fase de testes em ambiente industrial e otimizações para implementação prática.

Vantagens

A vantagem mais destacada é que o sistema foi projetado para suprir a lacuna deixada pelas soluções atuais, que geralmente se concentram em processos automatizados. Enquanto a maioria das tecnologias da Indústria 4.0 visa a automação, muitos setores ainda dependem fortemente de atividades manuais, onde a fadiga é um fator crítico de risco. A originalidade do programa de computador reside justamente na aplicação de tecnologias emergentes, como visão computacional e IA, a este campo ainda pouco explorado. Essa abordagem é descrita como pioneira e busca alinhar a gestão do trabalho humano direto com a transformação digital.

Diferentemente de muitos métodos tradicionais de monitoramento de fadiga, que dependem de sensores fisiológicos ou wearables (como óculos especiais ou medidores de frequência cardíaca), o sistema proposto é completamente não intrusivo. Ele funciona apenas com recursos de visão computacional, utilizando câmeras convencionais. Isso oferece duas grandes vantagens:
• Não interfere na rotina de trabalho do operador.
• Não depende da adesão individual ao uso de dispositivos adicionais, o que pode aumentar a aceitação por parte dos trabalhadores no ambiente industrial.

A tecnologia foi desenvolvida para ser economicamente viável e acessível.
• Ela pode operar em hardware de baixo custo e amplamente disponível, como desktops e notebooks convencionais, não exigindo infraestrutura de processamento avançada.
• O uso de arquiteturas leves e bibliotecas de código aberto permite sua execução em dispositivos embarcados de baixo custo, como o Raspberry Pi, o que amplia a viabilidade de implantação em indústrias de pequeno e médio porte.
• Essa característica reforça seu potencial de escalabilidade e democratização tecnológica, tornando a solução aplicável em diversos contextos industriais.

O sistema supera as limitações dos métodos tradicionais de monitoramento, que muitas vezes dependem da "observação constante e subjetiva", sujeita a imprecisões e atrasos. A tecnologia oferece um método objetivo e dinâmico para monitorar continuamente o estado do operador. Por funcionar em tempo real, o algoritmo é capaz de gerar alertas precoces, permitindo a adoção de medidas preventivas antes que a fadiga atinja níveis críticos que possam comprometer a segurança.

A arquitetura do sistema, que combina YOLO para uma filtragem rápida e MediaPipe Face Mesh para uma análise detalhada, é uma vantagem técnica importante.
• A primeira etapa (YOLO) funciona como um filtro de baixo custo computacional, identificando rapidamente quadros de vídeo com potenciais sinais de fadiga.
• A segunda etapa, mais pesada computacionalmente (Face Mesh), é ativada apenas quando necessário, otimizando o uso dos recursos computacionais.
• Essa abordagem híbrida garante que o sistema possa operar de forma eficiente em tempo real, mesmo em hardware com capacidade de processamento limitada.

Propriedade Intelectual

Número de Registro: PC202600288

Objetivo da UFMG