Sistema de Inspeção por Imagem Térmica com IA para Ponte Rolante

De acordo com os requisitos da norma ISO 4301 / FEM 1.001 — Disposições fundamentais do projeto de pontes rolantes relativos à monitorização de temperatura e à deteção de isolamento de equipamentos elétricos, as pontes rolantes operam em regime de carga pesada e funcionamento contínuo, sendo o aquecimento do sistema elétrico, o aumento de temperatura por fricção nos componentes mecânicos e o envelhecimento do isolamento as principais causas de avaria. A termografia por infravermelhos permite detetar sem contacto a distribuição de temperatura na superfície dos equipamentos, identificando precocemente riscos de sobreaquecimento, enquanto o sistema de interpretação automática por IA resolve os problemas de dependência da experiência, baixa eficiência e falta de padronização da interpretação manual tradicional.

Este artigo aborda integralmente a solução técnica de inspeção inteligente por termografia infravermelha em pontes rolantes, desde o procedimento de captação no local, a construção da base de características termográficas, a implementação de modelos de aprendizagem profunda por IA, até à geração automática de relatórios de inspeção.

Cenário de aplicação e alvos de deteção na inspeção termográfica de pontes rolantes

O cenário de aplicação da inspeção termográfica por infravermelhos em pontes rolantes abrange três categorias principais: sistema elétrico, sistema de transmissão mecânica e componentes de ligação estrutural. No sistema elétrico, os principais alvos de deteção incluem o aquecimento dos módulos IGBT do inversor de frequência, o aumento de temperatura nos enrolamentos do estator do motor, o sobreaquecimento localizado causado por resistência de contacto excessiva nos blocos de terminais e juntas de cabos, bem como aumentos anómalos de temperatura em componentes do quadro de comando, como disjuntores, contactores e relés.

No sistema de transmissão mecânica, a atenção incide sobre a distribuição uniforme de temperatura nos rolamentos do redutor, o aumento de temperatura por fricção na superfície de contacto entre o revestimento de fricção e a roda de freio, o sobreaquecimento localizado devido a desvios de alinhamento de eixos no acoplamento, e a temperatura de funcionamento do mancal de tambor e dos rolamentos das rodas. Nos componentes de ligação estrutural, destaca-se a monitorização de aumentos anómalos de temperatura em zonas sujeitas a carga, como os parafusos de ligação entre a viga principal e as cabeceiras, as gramas de fixação do trilho e os suportes do barramento deslizante — variações de temperatura nestes pontos refletem frequentemente afrouxamento estrutural ou mau contacto.

Quanto à periodicidade, a inspeção termográfica de pontes rolantes deve ser escalonada de acordo com o estado de funcionamento e o grau de importância do equipamento. Equipamentos de classe A (pontes rolantes de fundição metalúrgica e pontes rolantes críticas em linhas de produção) devem ser submetidos a uma varredura termográfica completa mensalmente; equipamentos de classe B (pontes rolantes em áreas de operação padrão) trimestralmente; e equipamentos de classe C (pontes rolantes de reserva ou de baixa frequência de utilização) semestralmente. Após operação sob carga elevada, antes da época de calor intenso no verão e nas 24 horas seguintes ao reinício após manutenção, deve ser agendada uma reinspeção termográfica específica.

A inspeção deve ser realizada com a ponte rolante em operação sob carga nominal, preferencialmente com um fator de carga não inferior a 70%, de modo a garantir que as características de aquecimento sejam plenamente evidentes.

Parâmetros de Seleção de Câmera Termográfica e Procedimento de Inspeção em Campo

A inspeção por termografia em pontes rolantes impõe requisitos específicos aos parâmetros de desempenho da câmera termográfica. A resolução do detector não deve ser inferior a 320×240 pixels, recomendando-se modelos com 640×480 pixels ou superior para garantir a precisão de detecção de alvos pequenos a longas distâncias. A sensibilidade térmica (NETD) deve ser inferior a 0,05 °C, com precisão de medição de ±2 °C ou ±2% da leitura. A gama de medição de temperatura deve cobrir de -20 °C a +350 °C, de modo a adaptar-se à ampla faixa dinâmica que vai de ambientes de baixa temperatura a pontos de falha de alta temperatura.

A escolha da distância focal da lente depende da distância de detecção: para a inspeção de motores de ponte rolante e freios a uma distância de 3 a 5 metros, uma lente padrão de 24° é suficiente; para a detecção de linhas de alimentação elevadas e juntas de trilho a mais de 10 metros, recomenda-se uma lente teleobjetiva de 12° ou a função de foco automático com medição a laser de distância. A câmera termográfica deve suportar foco manual, emissividade ajustável (0,1 a 1,0 com passo de 0,01), compensação da temperatura ambiente refletida e correção da transmitância atmosférica — parâmetros cruciais para a precisão da detecção em campo em pontes rolantes.

A aquisição de imagens em campo deve seguir um procedimento padronizado. Antes da captura, o técnico deve registar os parâmetros ambientais: temperatura ambiente, humidade, velocidade do vento, temperatura refletida (geralmente medida pelo método da folha de alumínio) e a emissividade da superfície inspecionada (superfícies metálicas pintadas: aproximadamente 0,85 a 0,92; superfícies metálicas expostas: aproximadamente 0,25 a 0,45). A distância de captura deve ser mantida dentro da faixa de foco ideal da câmera, não excedendo geralmente 15 metros.

Para cada ponto de inspeção, devem ser adquiridas pelo menos duas imagens termográficas: uma imagem panorâmica de localização (incluindo pontos de referência circundantes para posterior identificação da localização da falha) e uma imagem de aproximação focada (com o alvo ocupando mais de 1/3 do quadro). As imagens devem ser guardadas em formato de dados de temperatura radiométrica original (como Radiometric JPEG da FLIR ou formato TMG da GuidIR), para permitir análises de IA posteriores e comparação de tendências de temperatura.

A Kelude, na sua prática de inspeção termográfica de pontes rolantes, consolidou uma tabela padronizada de pontos de captura, abrangendo 32 pontos de detecção críticos por ponte rolante, incluindo gabinete elétrico, motor, freio, redutor, mancal de tambor, bloco de rodas, interface da linha de alimentação e parafusos de conexão da viga principal.

Construção da Biblioteca de Características Termográficas e Treino de Modelos de IA

O núcleo da interpretação inteligente de imagens por IA reside na construção de uma biblioteca de características termográficas que cubra os estados de operação normal e os estados típicos de falha dos diversos componentes da ponte rolante. A construção desta biblioteca processa-se em três fases. A primeira fase é a aquisição da biblioteca de referência: recolha contínua de dados termográficos por mais de 30 dias com a ponte rolante em estado de funcionamento saudável, abrangendo diferentes taxas de carga, diferentes temperaturas ambiente e diferentes períodos de operação, estabelecendo a curva de referência de distribuição de temperatura para cada ponto de detecção.

A biblioteca de referência requer, no mínimo, mais de 100 imagens termográficas válidas por ponto de detecção, com a cobertura de equipamentos dividida em cinco categorias principais — inversor de frequência, motor, freio, redutor e conexões elétricas —, incluindo, no mínimo, 3 amostras de equipamentos de marcas ou modelos distintos em cada categoria. A segunda fase é a expansão de amostras de falhas: através de simulação artificial de falhas ou recolha de dados termográficos do histórico de falhas, acumulam-se pelo menos 50 amostras positivas para cada tipo de falha.

Para dados de falhas reais de difícil obtenção, é possível sintetizar imagens termográficas de falhas através de Redes Adversariais Generativas (GAN) ou utilizar CycleGAN para a transferência de estilo de imagens termográficas normais para imagens de falhas, expandindo assim o conjunto de amostras.

Em termos de seleção de modelos, o sistema de interpretação de imagens termográficas por IA para pontes rolantes adota tipicamente uma arquitetura de detecção em duas etapas.

A primeira etapa utiliza uma rede de detecção de objetos (como YOLOv8 ou RT-DETR) para identificar e recortar automaticamente as regiões de cada alvo na imagem termográfica panorâmica. A segunda etapa utiliza uma rede de classificação (como ResNet-50, EfficientNet-B4 ou Vision Transformer) para analisar o padrão de temperatura de cada região alvo, classificando o seu estado como normal, alerta ou alarme.

Para cenários de análise de tendências temporais, incorpora-se a dimensão temporal através de modelos ConvLSTM ou TimesNet para prever a curva de variação de temperatura do mesmo ponto de detecção ao longo de múltiplas inspeções consecutivas, avaliando se a taxa de aumento de temperatura é anómala. Durante o treino, os dados de temperatura radiométrica original das imagens são normalizados e utilizados como entrada, onde cada valor de pixel corresponde a um valor de temperatura real (resolução de 0,1 °C), e a janela de contexto é definida como os dados das últimas 3 inspeções daquele ponto de detecção.

Na implementação prática da Kelude, o modelo de detecção YOLOv8m atinge uma velocidade de inferência de 35fps no dispositivo de edge computing NVIDIA Jetson Orin NX, com mAP@0.5 de 94,7%. O modelo de classificação EfficientNet-B4 apresenta uma precisão de 96,3%, e o tempo total desde a aquisição da imagem termográfica até à emissão do resultado do diagnóstico é inferior a 2 segundos.

Arquitetura do Sistema de Análise de Imagens por IA e Implementação de Diagnóstico Automático

O sistema de análise de imagens por IA com câmera termográfica para pontes rolantes adota uma arquitetura híbrida de inferência na borda e gestão na nuvem.

Na extremidade da borda, os dados brutos de radiação térmica capturados pela câmera termográfica são transmitidos através de interfaces USB 3.0 ou GigE Vision para o dispositivo de computação de borda instalado localmente na oficina (NVIDIA Jetson Orin NX/AGX ou um PC industrial do tipo AI Box). O dispositivo de borda executa modelos de detecção YOLOv8 e classificação EfficientNet, permitindo inferência em tempo real e alertas imediatos.

Para os pontos de medição que exigem análise de tendência temporal, o dispositivo de borda envia os dados termográficos da região de interesse e os valores característicos de temperatura para o data center na nuvem via protocolo MQTT. Na nuvem, são implantados o modelo de previsão de tendência ConvLSTM e uma extensa base de dados de características termográficas. A nuvem também é responsável pela gestão de atualizações de modelos, geração de relatórios de inspeção e análise agregada de dados de múltiplas fábricas.

As comunicações do sistema utilizam criptografia TLS, e os dados termográficos são transmitidos e armazenados em conformidade com os requisitos de nível 2 da proteção classificada de segurança cibernética GB/T 22239.

A saída do diagnóstico automático por IA adota uma estratégia de classificação em três níveis. O nível verde indica estado normal; o sistema arquiva automaticamente os dados termográficos e atualiza a curva de referência de temperatura para esse ponto de medição. O nível amarelo indica estado de atenção; quando a diferença de temperatura excede o limite de alerta, mas permanece abaixo do limite de alarme, o sistema marca o ponto de medição no relatório de inspeção e recomenda uma nova medição prioritária na próxima inspeção.

O nível vermelho indica estado de alarme; quando a diferença de temperatura excede o limite de alarme ou a taxa de variação de temperatura é anormal, o sistema envia imediatamente notificações de alerta por SMS, WeChat e WeChat Work, e gera um relatório detalhado de análise de falhas no relatório de inspeção, incluindo imagens termográficas, imagens comparativas em luz visível, curvas de dados de temperatura, dados históricos de componentes semelhantes e recomendações de manutenção.

Na prática de implantação em várias fábricas da Kelude Indústrias Pesadas, o sistema de análise de imagens por IA reduziu o tempo de análise manual de imagens de uma média de 45 minutos para 8 minutos por ponte rolante, mantendo a taxa de falhas não detetadas abaixo de 0,5% e a taxa de falsos alarmes abaixo de 3%. Nos dois cenários típicos de sobreaquecimento de conexões elétricas e desgaste precoce de rolamentos, o sistema alcançou uma capacidade de alerta antecipado de 7 a 14 dias.

Automação de Relatórios de Inspeção e Plataforma de Gestão de Dados

A geração automática de relatórios de inspeção é uma etapa fundamental para a concretização do valor do sistema inteligente de análise de imagens por IA.

Após cada inspeção, o sistema gera automaticamente relatórios estruturados em formato PDF/HTML. O relatório inclui: informações básicas da inspeção (código do equipamento, data da inspeção, parâmetros ambientais, inspetor), uma tabela resumo dos dados de temperatura dos pontos de medição críticos (com o estado de cada ponto assinalado nas cores vermelho, amarelo e verde), análise termográfica detalhada dos pontos anómalos (incluindo imagem termográfica, histograma de distribuição de temperatura, curva de tendência histórica do mesmo ponto, conclusão do diagnóstico por IA e recomendações de manutenção) e uma visão geral da pontuação de saúde do equipamento.

A pontuação de saúde do equipamento utiliza um modelo de pontuação ponderada que calcula o estado de temperatura de 32 pontos de medição com base em pesos específicos. O sistema elétrico tem um peso de 40% (IGBT do inversor de frequência: 15%, enrolamentos do motor: 10%, blocos de terminais: 8%, aparelhagem de controlo: 7%), o sistema de transmissão mecânica tem um peso de 35% (rolamento do redutor: 12%, superfície de fricção do freio: 10%, mancal de tambor: 7%, bloco de rodas: 6%) e os componentes de ligação estrutural têm um peso de 25% (parafusos de ligação da viga principal: 10%, grama de fixação do trilho: 8%, interface da linha de alimentação: 7%).

O resultado da pontuação é apresentado numa escala de 0 a 100: acima de 90 é classificado como excelente, 75 a 89 como bom, 60 a 74 como atenção e abaixo de 60 como manutenção necessária.

A plataforma de gestão de dados suporta múltiplas funcionalidades de análise: análise de tendência histórica de temperatura de uma única ponte rolante (rastreável para todos os dados de inspeção dos últimos 12 meses), análise comparativa horizontal de equipamentos do mesmo tipo (avaliando a consistência e as diferenças entre equipamentos do mesmo modelo), análise de padrões de temperatura sazonal (para otimizar os ciclos de inspeção e os limites de alerta) e previsão de tendência de degradação do equipamento (com base em modelos de séries temporais para prever a vida residual de componentes críticos).

A plataforma de dados também oferece uma interface de API padrão que pode ser integrada aos sistemas EAM (Enterprise Asset Management) ou CMMS (Computerized Maintenance Management System) da empresa, permitindo o fluxo automatizado de dados de inspeção para ordens de trabalho. A Kelude Indústrias Pesadas já integrou esta solução de inspeção inteligente por termografia infravermelha com IA no sistema de gestão do ciclo de vida completo de pontes rolantes, criando um ciclo fechado que abrange detecção, diagnóstico, manutenção e reinspeção.

Pontos-Chave de Implementação para Inspeção Inteligente por Termografia em Pontes Rolantes

Na implementação prática de engenharia, a implantação do sistema de inspeção inteligente por termografia infravermelha com IA em pontes rolantes requer atenção especial aos seguintes aspetos.

Primeiro, a seleção e correspondência entre a câmera termográfica e o dispositivo de computação de borda devem ser determinadas com base na distância de detecção no local, no tamanho do alvo, na temperatura ambiente e no grau de vibração. Isto evita problemas de engenharia como a incapacidade de resolver alvos pequenos devido a distância focal insuficiente ou a incapacidade de identificar pequenas diferenças de temperatura devido a um NETD excessivo.

Segundo, o treino específico do modelo de IA para pontes rolantes é crucial. Os modelos pré-treinados de uso geral frequentemente apresentam resultados insatisfatórios na identificação de componentes específicos de pontes rolantes (como o encapsulamento de seis transístores IGBT do inversor de frequência ou a superfície de contacto arqueada do revestimento de fricção do freio). É essencial realizar um ajuste fino (fine-tuning) utilizando dados termográficos reais recolhidos no local para alcançar uma precisão de detecção utilizável.

Terceiro, o planeamento do percurso de inspeção e a padronização dos pontos de captura são a base para garantir a consistência dos dados. Recomenda-se marcar cada posição de captura no chão da oficina com marcadores de referência e utilizar alvos de alta refletividade na própria ponte rolante para marcar os ângulos de captura, garantindo que o ângulo de imagem e a distância sejam consistentes em cada inspeção, assegurando assim a fiabilidade da comparação de tendências de temperatura.

A Kelude Indústrias Pesadas oferece um serviço completo de engenharia, desde o levantamento no local, seleção de equipamentos, treino de modelos até à implantação do sistema, ajudando as empresas a estabelecer um sistema padronizado de inspeção inteligente por termografia infravermelha para pontes rolantes.

Perguntas Frequentes

O sistema de inspeção inteligente com IA por termografia infravermelha para pontes rolantes representa uma aplicação típica da evolução das tecnologias tradicionais de deteção de equipamentos para a digitalização e a atualização inteligente. Através de procedimentos de captação padronizados, uma biblioteca profissional de características térmicas, modelos de aprendizagem profunda de IA de alta precisão e uma plataforma automatizada de geração de relatórios, a deteção de equipamentos de pontes rolantes passa de uma avaliação qualitativa baseada na experiência para uma avaliação quantitativa orientada por dados. Para mais informações sobre soluções técnicas de deteção inteligente e manutenção preditiva de pontes rolantes, contacte a equipa técnica da Kelude Indústrias Pesadas para obter documentação técnica detalhada e serviços de inspeção no local. A Kelude acumulou uma vasta experiência prática em engenharia na área de manutenção inteligente de pontes rolantes, podendo oferecer suporte técnico abrangente, desde a conceção de soluções de deteção, passando pela integração de sistemas, até aos serviços de operação e manutenção.