A deteccção automatizada de Equipamentos de Proteção Individual (EPIs) é uma aplicação crítica de visão computacional em ambientes industriais e canteiros de obras. Utilizando o Safety-Helmet-Wearing-Dataset, este artigo analisa o desempenho de três variações do algoritmo YOLOv3, oferecendo métricas detalhadas e diretrizes para a escolha do modelo ideal conforme as restrições de hardware e requisitos de precisão.

Arquiteturas de Redes Neurais Avaliadas

O projeto disponibiliza três backbones distintos para o extrator de características, permitindo um equilíbrio entre custo computacional e acurácia:

• YOLOv3-Darknet53: Focado em alta precisão, utiliza uma rede profunda (Darknet53) para extrair detalhes complexos da imagem.
• YOLOv3-MobileNet1.0: Uma versão otimizada que substitui convoluções padrão por convoluções separáveis em profundidade, visando um equilíbrio entre peso e performance.
• YOLOv3-MobileNet0.25: Versão ultra-leve, projetada especificamente para dispositivos com recursos extremamente limitados.

Análise de Desempenho e Métricas

Os testes foram conduzidos em um ambiente controlado utilizando uma GPU NVIDIA GTX 1080Ti. Os resultados destacam as discrepâncias entre precisão e velocidade de processamento.

1. Precisão de Detecção (mAP)

2. Eficiência Computacional

Implementação e Execução

Para reproduzir os testes ou integrra os modelos em uma aplicação, é necessário configurar o ambiente com as bibliotecas GluonCV e MXNet.

# Instalação das dependências necessárias
pip install mxnet-cu101 gluoncv opencv-python

Abaixo, um exemplo de script para realizar a inferência utilizando o modelo de maior precisão:

import gluoncv as gcv
from gluoncv.utils import viz

# Configuração do modelo e parâmetros
model_type = 'yolo3_darknet53_voc'
confidence_lvl = 0.45

# Carregamento do modelo pré-treinado
detector = gcv.model_zoo.get_model(model_type, pretrained=True)

# Execução da predição em uma imagem local
image_path = 'input_worker.jpg'
x, img = gcv.data.transforms.presets.yolo.load_test(image_path, short=416)
class_IDs, scores, bounding_boxes = detector(x)

# Visualização dos resultados (Capacete vs Sem Capacete)
viz.plot_bbox(img, bounding_boxes[0], scores[0], class_IDs[0], class_names=detector.classes)

Guia de Seleção de Modelo por Cenário

Servidores e Workstations (Alto Desempenho)

Recomendação: Darknet53.
Ideal para sistemas de monitoramento centralizados onde múltiplas câmeras IP enviam streams de vídeo para um servidor robusto. A alta precisão minimiza alarmes falsos em auditorias de segurança rigorosas.

Edge Computing e Câmeras Inteligentes

Recomendação: MobileNet1.0.
Indicado para gateways de IoT ou câmeras inteligentes que realizam o processamento localmente. Oferece um throughput suficiente para vídeo em tempo real sem exigir hardware de nível de servidor.

Dispositivos Móveis e Baixo Consumo

Recomendação: MobileNet0.25.
Essencial para aplicações rodando em smartphones antigos, tablets industriais ou dispositivos alimentados por bateria. Embora a precisão seja menor, a velocidade permite uma resposta quase instantânea em inspeções manuais.

Estratégias de Otimização

Para desenvolvedores que buscam extrair o máximo de performance, as seguintes técnicas são recomendadas:

1. Ajuste Fino (Fine-tuning): Treinar o modelo por mais 50 épocas utilizando dados específicos da iluminação do local de trabalho pode reduzir drasticamente a taxa de erro.
2. Redimensionamento Dinâmico: Alterar a resolução de entrada para 320x320 em modelos MobileNet para ganhar até 20% de velocidade extra em hardware limitado.
3. Exportação para ONNX: Converter os pesos do MXNet para o formato ONNX para utilizar runtimes como TensorRT ou OpenVINO, otimizando a inferência em GPUs NVIDIA ou CPUs Intel.