Treino e teste de algoritmo de visão IA para guindastes

A Kelude Indústrias Pesadas concluiu a plataforma de treino e teste do algoritmo de visão IA para guindastes, acumulando mais de 500 mil imagens anotadas de defeitos industriais, o que constitui uma base sólida de dados para a evolução contínua do sistema de monitoramento de segurança visual para guindastes. A plataforma integra aquisição de dados, gestão de anotações, treinamento do modelo, avaliação de desempenho e testes hardware-in-the-loop, sendo a primeira infraestrutura dedicada de treino e validação para algoritmos de visão IA na indústria de guindastes do país.

Posicionamento da plataforma e contexto de desenvolvimento

O desempenho dos algoritmos de visão IA depende fortemente da qualidade e da escala dos dados de treino. Quando a Kelude Indústrias Pesadas iniciou o desenvolvimento de visão IA em 2023, a empresa reconheceu que a falta de conjuntos de dados anotados específicos do setor era o principal gargalo para a implementação da tecnologia de visão IA em guindastes. Conjuntos de dados genéricos como COCO e ImageNet têm eficácia limitada em contextos industriais; poeira, variações de iluminação, oclusões e vibrações nas fábricas fazem com que a precisão de detecção dos modelos genéricos caia drasticamente na implementação real. Para tal, a empresa investiu mais de 300 mil euros na construção de uma plataforma dedicada de treino e teste de algoritmos de visão IA, iniciando a aquisição sistemática de dados no terreno e a anotação manual em setembro de 2023. Ao longo de 22 meses, a plataforma foi concluída e foram acumuladas 500 mil imagens anotadas.

Sistema de aquisição de dados

A aquisição de dados cobre quatro condições de iluminação — diurna, noturna, crepuscular e amanhecer — e quatro condições meteorológicas — céu limpo, nublado, chuva e nevoeiro. O equipamento de aquisição inclui 8 câmeras industriais de 5 megapixels fixadas na parte inferior da Viga Principal do guindaste e uma câmera móvel de monitoramento instalada lateralmente à área de içamento e transporte. As câmeras utilizam sensor de obturador global, taxa de quadros de 25fps e suportam modo HDR de ampla faixa dinâmica. A plataforma de anotação suporta quatro tipos de anotação — caixa delimitadora, polígono, ponto-chave e segmentação semântica — atendendo aos requisitos de três tarefas: deteção (deteção de objetos), segmentação (segmentação de defeitos) e localização (localização de pontos-chave). A gestão de anotações implementa um processo de controlo de qualidade em três níveis: anotação inicial pelo anotador, revisão pelo líder da equipa e amostragem pelo pessoal de algoritmos, com uma proporção de amostragem não inferior a 20% e uma precisão de anotação exigida superior a 97%.

Composição do conjunto de dados

As 500 mil imagens anotadas estão divididas em cinco grandes categorias de acordo com a tarefa de deteção. O conjunto de dados de detecção de intrusão de pessoas contém 250 mil imagens, com quatro subcategorias de anotação: pessoas visíveis com capacete, pessoas não visíveis com capacete, pessoas sem capacete e pessoas que se aproximam fora da área de trabalho, abrangendo quatro posturas — caminhar, agachar, inclinar e operar — e três intervalos de distância: longe (altura do pixel <50px), médio (50~150px) e perto (>150px). O conjunto de dados de deteção de cargas suspensas contém 120 mil imagens, com categorias de anotação que incluem bobinas de aço (horizontais e verticais), Chapas de Aço (planas e inclinadas), componentes de equipamento (caixas e estruturas) e materiais a granel (pilhas e formas irregulares), cobrindo as características visuais das cargas sob diferentes tipos de Spreader (espalhador de elevação) (Cabo de Aço, Cinta de Elevação, Eletroímã de elevação) e diferentes configurações de carga. O conjunto de dados de deteção de defeitos em Cordão de Solda contém 80 mil imagens, com cinco categorias de defeitos: Trinca, falta de penetração, Porosidade, Inclusão de Escória e Mordedura. As fontes de dados incluem amostras padrão fotografadas em laboratório e fotografias de Cordão de Solda em ambiente fabril, sendo cada imagem validada por análise metalográfica para confirmar a autenticidade do defeito. O conjunto de dados de Inspeção de Cabos contém 30 mil imagens, com cinco categorias de anomalias: ruptura de fio, Desgaste, Corrosão, Deformação e redução do Diâmetro do cabo. O conjunto de dados de deteção de anomalias no Trilho contém 20 mil imagens, com três categorias: desalinhamento do trilho, Trinca no Trilho e objetos estranhos no Trilho.

Treinamento do modelo e iteração

A plataforma de treino dispõe de dois ambientes de treino independentes. O ambiente de treino online é baseado em 4 GPUs NVIDIA RTX 4090, suporta os dois frameworks PyTorch e TensorFlow e utiliza gestão de contentores Docker para implantação rápida de tarefas de treino e isolamento de recursos. O ambiente de treino offline está equipado com 2 GPUs NVIDIA A100 80GB, destinadas à aceleração do treino de modelos de grande dimensão e conjuntos de dados em larga escala. A plataforma inclui um pipeline automatizado de treino que suporta a gestão do processo completo, desde o gerenciamento de versões de dados, pesquisa de hiperparâmetros, treinamento do modelo, avaliação comparativa até ao registo do modelo. O treinamento do modelo baseia-se na arquitetura YOLOv8, com aumento de dados Mosaic, cálculo adaptativo de âncoras e função de perda CIoU. Após múltiplas rondas de treino iterativo com as 500 mil imagens, o mAP da detecção de intrusão de pessoas aumentou de 67,3% para 92,3%, o mAP da deteção de cargas suspensas atingiu 89,1% e o mAP da deteção de defeitos em Cordão de Solda atingiu 91,5%.

Instalações de testes e verificação

Além das funções de treino, a plataforma inclui instalações de testes hardware-in-the-loop. O equipamento de teste é composto por uma ponte rolante experimental de 5 toneladas, um sistema programável de simulação ambiental e um sistema de aquisição e análise de dados. A ponte rolante experimental está instalada numa oficina de testes interior, com Vão de 12 metros e Altura de Elevação de 6 metros, suportando modos de operação manual e automático. O sistema programável de simulação ambiental permite o controlo simulado de parâmetros ambientais como iluminação (ajustável de 0 a 50000 lux), temperatura e humidade (temperatura de -10°C a 50°C, humidade de 20% a 90% RH) e concentração de poeiras (ajustável de 0 a 10 mg/m³). O sistema de aquisição e análise de dados regista sincronizadamente os resultados de saída da visão IA, os dados de posição do Encoder e os parâmetros ambientais, gerando um relatório de avaliação abrangente para cada quadro. Os testes hardware-in-the-loop permitem validar o desempenho dos algoritmos de visão IA em condições extremas de operação sob condições experimentais controladas, fornecendo uma base laboratorial fiável para a avaliação da estabilidade do algoritmo antes da implementação no equipamento.

Segurança de dados e privacidade

Os conjuntos de dados de visão industrial podem envolver informações sobre a disposição da linha de produção e a configuração de equipamentos das fábricas dos clientes; a gestão de segurança dos dados é uma consideração importante na construção da plataforma. Todos os dados brutos recolhidos são armazenados em matrizes NAS locais da empresa, com capacidade total de 200TB e configuração de redundância RAID6. O acesso aos dados é gerido por níveis de permissão, divididos em três graus: acesso a dados brutos, acesso a dados anotados e acesso a dados de modelo. Todas as operações de acesso são registadas no registro de auditoria. Na colaboração com equipas externas de anotação, são adotadas estratégias de anonimização e anotação por blocos: cada bloco contém apenas um único cenário, sem características identificáveis da fábrica. Após a conclusão da anotação, o pessoal interno da empresa procede à consolidação e ao controlo de qualidade dos dados. A partilha de dados com o laboratório conjunto da Universidade de Zhengzhou segue o acordo de utilização de dados assinado por ambas as partes, limitando-se a fins de análise académica; é proibida a utilização dos dados noutros projetos comerciais dentro do laboratório.

Plano de desenvolvimento

A Kelude Indústrias Pesadas planeia expandir a escala dos dados anotados para 1 milhão de imagens até 2027, com foco no reforço de casos extremos em condições meteorológicas adversas e de baixa luminosidade, de modo a resolver o problema da distribuição de cauda longa dos modelos em condições extremas de operação. Simultaneamente, será iniciada a construção de conjuntos de dados de séries temporais, acumulando dados anotados de quadros contínuos para o treino de modelos de reconhecimento de comportamento em vídeo e previsão de trajetórias. Cada anotação temporal inclui sequências contínuas de deteção com não menos de 300 quadros. A plataforma disponibilizará também parte dos dados anonimizados para colaboração em investigação académica, promovendo o estabelecimento de normas de referência no domínio da visão IA para guindastes.

Perguntas frequentes (FAQ)