Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.224
Aluno: Hélio Chaves Peixoto Neto
Orientadora: Profa. Teresa Bernarda Ludermir
Título: Avaliação do Custo-Benefício da Aplicação de Métodos de Aprendizado Semi Supervisionado para Detecção de Equipamentos de Proteção Individual em Ambiente Industrial
Data: 30/07/2025
Hora/Local: 8h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Profa. Teresa Bernarda Ludermir (UFPE / Centro de Informática)
Prof. Sergio Fernandovitch Chevtchenko (University of Western Sydney / International Centre for Neuromorphic Systems)
Prof. Tarcísio Daniel Pontes Lucas ( UPE/Campus Caruaru)
RESUMO:
A detecção automatizada de Equipamentos de Proteção Individual (EPIs) em ambientes industriais representa um desafio significativo devido aos altos custos e tempo demandado para anotação manual de dados. Este trabalho investigou a eficácia de métodos de aprendizado semi supervisionado como alternativa ao aprendizado totalmente supervisionado para detecção de EPIs, visando responder qual abordagem apresenta melhor relação custo-benefício. A metodologia experimental foi conduzida em ambiente industrial real, utilizando 50.088 imagens capturadas em uma indústria para detecção de quatro classes: capacete, colete, pessoa e abafador tipo concha. Foram implementadas estratégias de anotação parcial com 10% e 20% dos dados, aplicando técnicas de pseudo-labeling através da arquitetura YOLOv8. Os resultados foram avaliados mediante validação cruzada com k=10 repetições e análise estatística usando testes de Friedman e Nemenyi. Os modelos semi supervisionados demonstraram performance comparável ao totalmente supervisionado, com diferenças controladas nas métricas principais: mAP@0.5 de 0.971 (10%) e 0.979 (20%) contra 0.986 (100%), e mAP@0.5:0.95 de 0.767 (10%) e 0.771 (20%) contra 0.805 (100%). A abordagem semi supervisionada resultou em economia substancial de tempo de anotação, reduzindo de 77 para 11 e 23 dias o processo manual. Os resultados indicam que métodos semi supervisionados constituem alternativa viável e economicamente vantajosa para desenvolvimento de sistemas de detecção de EPIs, mantendo eficácia técnica com significativa redução de recursos humanos especializados.
PALAVRAS-CHAVE: Aprendizado semi supervisionado; Equipamentos de proteção individual; Visão computacional; Detecção de objetos; Segurança ocupacional
Comentários desativados