A MVisia desenvolveu uma linha própria de câmeras inteligentes. Trata-se de um equipamento que imita a capacidade humana de visualizar o ambiente ao seu redor e processar as imagens recebidas, buscando por padrões e eventos pré-definidos e possibilitando o controle de processos sem a subjetividade e os erros humanos.
E como essa tecnologia funciona? Analogamente ao ser humano, a solução é composta por uma câmera (olho), um mini computador (cérebro) e uma rede neural embarcada (inteligência humana), sendo que todo este sistema é encapsulado em um invólucro de proteção para resistir às mais diversas condições de aplicação.
01. Invólucro de proteção
Nossas câmeras possuem um encapsulamento de proteção para operar nos mais diversis tipos de ambiente de trabalho.
02. Câmera integrada
Uma câmera compacta e de máximo desempenho compõe nosso equipamento para realizar a captura das imagens a serem analisadas pelo nosso software de inteligência artificial.
03. Unidade de processamento
Um microcomputador de alta performance é embarcado em nossa solução para realizar o controle do processo que está sendo monitorado.
04. Software de Inteligência Artificial
Com algoritmos próprios de machine learning, fazemos o processamento das imagens capturadas.
Veja o potencial de aplicação das Câmeras Inteligentes
Olhe para o seu braço por um instante e pense no que acabou de ver. É bem provável que os seus olhos tenham registrado aspectos como a cor, o tamanho e o formato dele. A ausência ou a presença de pelos – assim como a cor destes – provavelmente também foi notada. Talvez uma ou outra veia mais saltada também não tenha passado despercebida aos seus olhos.
Todas essas características do seu braço só puderam ser identificadas por você graças à habilidade ocular de interpretar as interações entre a luz e os objetos. Mas há muitas outras informações, propriedades e características do seu braço que passam despercebidas aos olhos. Eles não conseguem enxergar, por exemplo, radiações ultravioletas e infravermelhas e, por isso, muitas informações permanecem invisíveis a eles.
Agora, imagine esse mesmo braço sendo observado por uma camêra de tecnologia de ponta, como é o caso de uma câmera hiperespectral. O que poderia ser constatado? A resposta é: quase tudo.
Uma câmera hiperespectral é tão potente que poderia enxergar em detalhes os padrões das suas veias. Ela poderia até mesmo observar as diferenças na intensidade da coloração da pele, identificando possíveis tumores ou problemas de saúde nela.
Isso acontece porque câmeras hiperespectrais conseguem observar e interpretar muito mais informações sobre as interações entre a luz e o seu braço do que os seus olhos ou câmeras comuns. Enquanto olhos e câmeras comuns são capazes apenas de enxergar alguns comprimentos de luz e espectros, câmeras hiperespectrais são dotadas de tecnologia capaz de observar centenas de milhares de espectros de luz de um mesmo objeto ou material. Dessa forma, elas conseguem até mesmo distinguir a composição química dos materiais ou objetos analisados.
Essa capacidade visual inigualável das câmeras hiperespectrais traz óbvias vantagens a diversos setores da sociedade – como é o caso do setor agrícola.
Um produtor de tomate que usa a tecnologia hiperespectral consegue identificar a ausência de nutrientes em seus tomates logo no início do processo, sendo possível, assim, corrigir uma colheita aquém do ideal. Um produtor de eucaliptos que usa máquinas com câmeras hiperespectrais vai conseguir identificar o estado de saúde e a presença de doenças já nas mudas da planta.
Ao permitir que o produtor tenha acesso a informações muito mais precisas sobre os seus produtos, a tecnologia hiperespectral antecipa problemas e garante o aumento da eficiência e da qualidade do produto final.
Quando ouvimos o termo “inteligência artificial”, normalmente imaginamos civilizações avançadíssimas de robôs inteligentes, carros voadores e sociedades futuristas. Mas deixe de lado por um instante as elaboradas ficções de filmes como “O exterminador do futuro”, “Star Wars” e “Eu, Robô” e pense nos dispositivos e plataformas que você já usa no dia-a-dia.
Ao abrir o seu Netflix, os filmes e séries que aparecem em destaque para você não são os mesmos que aparecem para os seus amigos. Ao usar o Facebook, o conteúdo que aparece na sua Página Inicial é baseado nos cliques e likes que você dá em notícias ou publicações de amigos. Quanto mais você ou outras pessoas usam essas plataformas, mais estas aprendem sobre as suas preferências e sobre as tendências de diferentes usuários. E é exatamente isso o que caracteriza a inteligência artificial (I.A.): a capacidade de aprender com base em novas e antigas informações, justamente como nós humanos fazemos. Basicamente, um sistema inteligente é capaz de ensinar a si mesmo e aprender com as próprias experiências.
Assim como pessoas, máquinas e computadores dotados de I.A. retêm informações e ficam cada vez mais inteligentes à medida que o tempo passa. Este processo de aprendizado é conhecido como machine learning. É possível programar uma máquina para que ela aprenda com suas tentativas e erros: após analisar milhares de exemplos e elaborar diversos algoritmos, o programa entende qual é o algoritmo mais efetivo para cada usuário ou situação. No caso do Netflix e do Facebook, por exemplo, esse tipo de tecnologia permite que a sua experiência nessas plataformas seja cada vez mais personalizada e agradável.
Apesar de muito semelhante a alguns dos nossos processos cerebrais, a I.A. apresenta algumas vantagens inegáveis em relação à inteligência humana: diferentemente do que acontece conosco, a inteligência artificial normalmente não sofre com perda de memórias, cansaço mental, excesso de informação, falta de sono e distrações. Ou seja, uma vez desenvolvida, ela pode executar tarefas de alto grau de complexidade e sofisticação (como, por exemplo, dirigir um carro) praticamente de forma ininterrupta. Além disso, usando processos conhecidos como deep learning e “redes neurais” – que imitam a forma como o cérebro humano identifica padrões – máquinas com I.A. podem acessar bancos de dados gigantescos e encontrar e interpretar informações com muito mais rapidez e eficiência do que nós.
Como resultado do desenvolvimento da I.A., diversas áreas da ciência vêm apresentando grandes avanços e setores produtivos vêm obtendo ganhos em eficiência e produtividade. É o caso, por exemplo, do setor agrícola.
Pense no “simples” processo de escolher uma fruta no supermercado: você analisa as suas opções com cuidado, dando atenção especial a aspectos da aparência como tamanho, formato e cor. Entre uma banana verde e uma amarela, você provavelmente dará preferência à segunda; uma maçã com manchas ou imperfeições na casca provavelmente será menos atraente aos seus olhos e não será escolhida.
Embora aconteça em questão de segundos e seja aparentemente simples, esse processo de escolha é extremamente complexo e elaborado. Ao olhar as frutas com cuidado, o que estamos fazendo de fato é retirando informações úteis das imagens. O amarelo da banana é interpretado como um sinal de fruta madura e apetitosa; as manchas, associadas com sujeira ou baixa qualidade. Simples traços ou padrões visuais obtidos pelos olhos são processados pelo nosso cérebro e influenciam as nossas tomadas de decisão.
A visão computacional é a área da ciência que visa justamente replicar essa complexidade dos nossos processos visuais e, quando possível, aprimorá-los e torná-los ainda mais sofisticados. O seu objetivo é desenvolver sistemas semelhantes à inteligência visual humana – ou seja, sistemas que possam retirar e analisar informações úteis a partir de imagens.
Atualmente, a tecnologia da visão computacional é aplicada em diversas áreas, como por exemplo no raio-x em exames médicos, na identificação da placa de automóveis em radares e na análise de rótulos de garrafas. Até recentemente, a operação desse tipo de tecnologia era inviável por conta da imensa quantidade de poder de processamento que era exigida dos computadores. Com os avanços na computação, estamos vendo um grande aumento na utilização de sistemas que simulam a nossa visão.
O setor agrícola é uma das áreas que mais vêm sendo beneficiadas com esses avanços tecnológicos. Embora máquinas para agricultura tenham começado a utilizar câmeras e sensores já nos anos 80, o desenvolvimento recente de sistemas mais elaborados de visão computacional vêm aumentando ainda mais a eficiência do setor.
Aqui na MVISIA, é exatamente isso o que fazemos: desenvolvemos tecnologia de visão computacional para nossos equipamentos e equipamentos de terceiros, visando aumentar a eficiência tanto no início do processo ao identificar produtos fora do padrão quanto na separação de produtos baseada na preferência do produtor.
Ao capturar uma imagem, nossos computadores podem analisá-la de acordo com diversos parâmetros. Dessa maneira, nosso sistema obtém dados de interesse sobre o material examinado, seja pela sua cor, formato ou por outros critérios pré-estabelecidos. O programa do computador permite que nossas máquinas consigam identificar não somente se algo está fora do normal, como também permite que ajam sobre o sistema de forma a evitar anomalias.
Trabalhadores da indústria alimentícia devem respeitar rígidos padrões de higiene – ainda assim, setor está sujeito a crises de contaminação
Um pequeno pedaço de plástico vermelho encontrado dentro de uma barra de chocolate na Alemanha, em janeiro de 2016, custou dezenas de milhões de dólares à fabricante do produto, a empresa britânica Mars. Com receio de que mais barras estivessem contaminadas, a Mars fez um recall de seus produtos em mais de 55 países, causando grandes perdas econômicas e danos irreparáveis na reputação da empresa. Esse erro, no entanto, poderia ter causado problemas ainda maiores – crianças poderiam ter engasgado com o plástico e ter complicações de saúde.
Casos de contaminação ou de má-qualidade de produtos industrializados como esse não são assim tão raros: basta uma pesquisa rápida para se descobrir uma série de casos de contaminação com pelos de ratos, detergente e mofo em alimentos.
Mas como essas contaminações acontecem? Quais são os procedimentos de segurança e controle de qualidade e higiene que as empresas aplicam hoje em dia?
Controle de qualidade de alimentos
Parte do desafio da indústria alimentícia é garantir e manter a qualidade dos alimentos industrializados antes, durante e depois da embalagem, para que possam ser transportados e consumidos com segurança.
O processo de produção e controle de qualidade no setor alimentício, porém, não é simples. Afinal, é preciso se tomar cuidado com os aspectos biológicos, químicos e físicos dos alimentos. Se o manuseio não for feito corretamente, bactérias podem se instalar na comida. Peças ou resíduos de máquinas podem se soltar e se juntar aos alimentos durante a produção. Reações químicas de produtos usados para limpeza de máquinas e instalações podem também acabar contaminando a comida.
Diante de tantas possíveis complicações, empresas do setor adotam procedimentos rigorosos de controle. Todas elas são inspecionadas pela ANVISA no Brasil e devem apresentar à agência um POP (Procedimento Operacional Padrão) detalhado de todas as suas operações, desde a lavagem das mãos e condições de saúde dos funcionários até o detalhamento dos produtos usados para a limpeza de suas máquinas e instalações.
Seguir tais diretrizes – essenciais para a garantia de bem-estar e saúde dos consumidores e, portanto, indispensáveis – demanda bastante tempo e dinheiro das empresas e, ainda assim, o controle de qualidade ainda está sujeito a falhas e subjetividades humanas. Novas tecnologias de inteligência artificial, como as câmeras inteligentes, podem garantir com maior eficácia e eficiência a qualidade dos alimentos, desde a sua produção até a embalagem.
Visão computacional e novas tecnologias
Diferentemente do maquinário atual empregado no setor, câmeras inteligentes são capazes não só de captar imagens e resolver problemas simples, como também de analisar situações complexas.
Uma câmera inteligente pode ser programada para encontrar qualquer produto destoante do padrão de qualidade estabelecido. Ela pode analisar, sem a presença de um operador humano, o formato, cor, tamanho e textura dos alimentos e decidir se estes apresentam algum risco de má-qualidade ou contaminação. Caso uma câmera inteligente identifique problemas nos alimentos, ela pode interromper ou travar as máquinas para que o problema seja identificado e sanado.
Em um setor tão complexo e importante como o alimentício, cada centavo investido em tecnologia pode melhorar não só a qualidade dos produtos, como também evitar que pequenos acidentes tenham impactos devastadores. Afinal, neste ramo, um pequeno pedaço de plástico, um pedaço de pão mofado ou resíduos de produtos alergênicos podem derrubar até mesmo gigantes multinacionais.
No último domingo, 18 de novembro, a piloto alemã Sophia Floersch sofreu um acidente que chocou o mundo. Ela pilotava seu carro em uma das etapas da Copa do Mundo de F3, em Macau, na China, quando o piloto à sua frente, Jehan Deravula, freou mais cedo do que o habitual devido a uma bandeira amarela. Floersch não conseguiu desviar a tempo e perdeu o controle do carro, que decolou sobre o de outro piloto e voou em direção ao alambrado acima da barreira de pneus.
Para a grata surpresa daqueles que viram o acidente (o vídeo com os ângulos do assustador acidente estão abaixo), a piloto passa bem. Ela sofreu uma fratura na vértebra, mas já se encontra em recuperação após uma cirurgia de emergência que durou mais de onze horas.
Acidentes como esse não são uma novidade nas categorias mais prestigiadas do automobilismo, como a própria F3 e a Fórmula 1. Afinal, a mais de 300km/h, o menor dos erros de decisão, uma pequena falha mecânica ou um milésimo de demora a mais para se ter uma reação podem custar não só a vida do piloto, como as de todos os outros ao redor.
Naquele que é considerado o pior acidente da história do automobilismo, ocorrido em 1955 nas 24 Horas de Le Mans, mais de 80 pessoas – entre pilotos, espectadores e engenheiros – morreram. A F-1 sozinha conta mais de 50 pilotos envolvidos em acidentes fatais desde a sua criação, na década de 1950.
Esportes a motor (assim como veículos a motor, em geral) apresentam riscos. Mas as tecnologias para salvar vidas e aumentar a segurança de pilotos e pessoas envolvidas nas corridas também vêm sendo aprimoradas, permitindo que acidentes como o de Sophia Floersch aconteçam com frequência cada vez menor – e que, quando ocorram, não sejam fatais.
Como impedir acidentes – ou fatalidades em acidentes – a 300km/h?
É justamente essa a pergunta que engenheiros têm se feito durantes todas essas décadas de esportes a motor. Embora ainda não tenham chegado a uma resposta definitiva, a busca por soluções e tecnologias mais sofisticadas só trouxe benefícios ao automobilismo.
Nos primeiros 20 anos de F1, 32 pilotos morreram devido a acidentes na pista. Nos últimos 20 anos da categoria, foram cinco os falecidos em acidentes nos circuitos – uma queda de mais de 80% nos acidentes fatais.
As medidas de segurança e novas tecnologias introduzidas nos esportes a motor ao longo dos anos beneficiaram não somente as modalidades esportivas, como também a indústria automobilística e os veículos que vemos e usamos no nosso dia-a-dia.
Se hoje nossos carros possuem suspensão ativa, pneus mais resistentes à aquaplanagem e até mesmo retrovisores (invenção de pilotos no início do século XX para monitorar os seus concorrentes nas corridas) é tudo graças à corrida tecnológica estimulada pelo automobilismo.
I.A. e esportes a motor
Veículos de corrida são máquinas sofisticadíssimas: um carro de F-1 possui mais de 200 sensores recebendo imensas quantidades de dados a cada segundo. São precisos numerosos engenheiros colados às telas dos computadores para monitorar esses dados do carro e tomar as melhores decisões em uma corrida.
Introduzir tecnologias de inteligência artificial para processar esses dados melhoraria não só o monitoramento em tempo real do carro, como também as decisões tomadas com base nessas informações. Em outras palavras, as chances de acidentes causados por erros humanos diminuiriam consideravelmente.
Além de aperfeiçoar o monitoramento de dados e a tomada de decisões, a I.A. poderia ser treinada via machine learning para evitar batidas nos circuitos ao antecipar falhas em sistemas mecânicos cruciais do carro.
Há, no entanto, alguma resistência por parte de pilotos, engenheiros e equipes quanto à expansão da I.A. no automobilismo. O temor é de que essa tecnologia deixe de ser coadjuvante, auxiliando na análise de dados e prevenindo acidentes, e passe a ser protagonista, chegando até mesmo a substituir os pilotos.
Em uma era onde carros autônomos já são desenvolvidos e testados nas ruas, as chances da inteligência artificial tomar os volantes das corridas são, de fato, reais. Resta saber quais caminhos as modalidades escolherão trilhar.
Câmeras inteligentes e I.A. na MVISIA
A MVISIA é especialista no desenvolvimento e aplicação de tecnologias de inteligência artificial e visão computacional voltadas a diversas áreas, como agricultura, varejo e saúde.
Nossas câmeras e produtos são desenvolvidos sob medida para os mais diversos tipos de empresa.
Quer saber mais sobre como nossas soluções impactam o seu negócio?
Homem trabalha em colheita de arroz no Camboja, sudeste da Ásia. Há cada vez menos mão-de-obra disponível nas lavouras ao redor do mundo.
Enquanto caminha em meio às plantações de naganegi – um tipo de cebolinha verde – nas fazendas do distrito de Shiga, sul do Japão, Shinogebo Fukumoto, 49, lembra com nostalgia da antiga propriedade rural dos pais.
Na década de 1970 – época em que o agricultor japonês cresceu – as plantações ao seu redor eram repletas de trabalhadores jovens e dos mais variados produtos agrícolas, como arroz, cebolinha, repolho e cenoura. Hoje, na mesma terra herdada da família, Fukumoto cultiva apenas arroz e naganegi na paisagem quase deserta de pessoas.
Os cinquenta anos que separam o agricultor da década de sua infância não mudaram somente a paisagem do campo japonês, como também a sua demografia. Do alto dos seus 49 anos, Fukumoto é considerado jovem em relação aos outros fazendeiros – hoje, 6 em cada 10 agricultores japoneses têm mais de 65 anos de idade.Dada a grande atração dos centros urbanos, jovens japoneses cada vez menos se interessam em trabalhar no setor. O próprio Fukumoto sabe que não há como forçar o filho a seguir carreira na agricultura.
Aliado ao êxodo rural, esse envelhecimento da população teve um grande impacto na demografia e na mão-de-obra disponível no campo: em 1965, o Japão tinha mais de 11 milhões de agricultores; hoje, são menos de 2 milhões de trabalhadores rurais.
O fenômeno, no entanto, não é exclusividade do Japão. Outras potências agrárias desenvolvidas, como EUA, Austrália, União Europeia e Canadá padecem do mesmo problema.
Nos anos 2000, nos EUA, um terço dos trabalhadores dedicados à colheita tinham mais de 35 anos; hoje, esse número já passa da metade. Os norte-americanos também têm demonstrado pouco interesse em saírem dos centro urbanos e se dedicarem a atividades rurais intensas. Um estudo conduzido em 2013 na Carolina do Norte mostrou que apenas 268 dos mais de 500.000 desempregados do estado se candidataram às 6.500 vagas disponíveis na agricultura. Destes aplicantes, 245 (90%) foram contratados, mas apenas 163 compareceram ao 1º dia de trabalho no campo. Ou seja, das mais de 6.500 vagas disponíveis nos campos do estado, apenas 163 foram preenchidas por trabalhadores locais.
Na Austrália, a média de idade dos fazendeiros era de mais de 53 anos em 2013, enquanto a média de idade da mão-de-obra dos outros setores da economia era de 40 anos. E há mais agricultores se aposentando do que ingressando no setor.
Panorama brasileiro
Embora os fenômenos de envelhecimento e êxodo rural ainda não sejam tão acentuados no Brasil quanto em outros países desenvolvidos, os primeiros sintomas de escassez de mão-de-obra no campo começam a aparecer, e é importante estarmos atentos à solução do problema antes que este se agrave.
Na década de 1940, 69% da população nacional vivia em zonas rurais. No último grande censo do IBGE, em 2010, esse número não passava de 16%.
Embora não haja dados detalhados sobre o envelhecimento nas zonas rurais brasileiras, nossa população como um todo inegavelmente envelheceu. De 2012 a 2017, o número de idosos brasileiros aumentou 18%, chegando a 30 milhões de pessoas.
Na realidade de agricultura brasileira atual, já há lacunas de mão-de-obra tanto técnica e mais qualificada (operação de máquinas e de produção) quanto manual, nas colheitas das lavouras e na seleção e classificação de produtos agrícolas.
A combinação de êxodo rural e envelhecimento fatalmente trará ao Brasil os mesmos problemas pelos quais já passam, hoje, as potências agrárias desenvolvidas.
Como suprir a carência de mão-de-obra?
Mas como as nações desenvolvidas vêm enfrentando, hoje, a ausência de braços no campo?
As respostas são variadas: na União Europeia, estimula-se principalmente a migração de trabalhadores do Leste europeu para as temporadas de colheita no Reino Unido, na França e na Alemanha. A imigração também tem sido chave para suprir a escassez de mão-de-obra nos EUA e na Austrália.
Mas, apesar da concessão de vistos especiais para estrangeiros trabalharem no setor rural, as políticas de imigração ainda assim não acompanham e preenchem completamente as carências do setor. Estima-se, por exemplo, que possivelmente metade dos trabalhadores rurais no EUA sejam imigrantes sem documentos legais para permanecer no país.
Historicamente pouco aberto à imigração, o Japão apostou em políticas de subsídio e estímulo econômico aos seus fazendeiros – mas estes tornaram os produtos pouco competitivos e exigiram medidas protecionistas do governo para preservar o setor agrícola nacional.
O que tem mantido a alta produtividade nesses países com trabalhadores cada vez mais velhos e escassos é o investimento em novas e disruptivas tecnologias e a educação para a formação de mão-de-obra qualificada. A imigração, seja ela doméstica ou internacional, não é uma solução definitiva. Subsídios e protecionismo também não passaram de meras soluções paliativas.
Frente às inevitáveis mudanças demográficas e populacionais pelas quais a agricultura brasileira passará, a solução mais viável é investir em novas tecnologias e maquinário e na qualificação de pessoal. Precisamos multiplicar os cérebros para que não faltem braços nos campos e nem comida nas mesas.
Soluções tecnológicas da MVISIA
Visando suprir as necessidades do setor agrícola, a MVISIA desenvolveu uma série de seletoras, calibradoras e sistemas de classificação automáticos equipados com tecnologia inovadora e de ponta.
Nossos produtos dotados de visão computacional e inteligência artificial já estão presentes em diversos estados do Brasil, multiplicando a produção de tomates, uvas, eucaliptos, flores, entre outros.
Quer saber mais sobre as nossas tecnologias e casos de sucesso? Acesse http://mvisia.com.br/ e fique por dentro!
Máquinas dotadas de visão computacional e I.A. podem reduzir o uso de pesticidas em até 90%. Foto: João Marcelo Marques.
Em junho deste ano, uma Comissão Especial da Câmara dos Deputados aprovou o controverso Projeto de Lei 6.299/2002, também chamado pelos críticos de “PL do veneno”. O projeto prevê, entre outros, a transferência do poder decisório sobre o uso de pesticidas da Anvisa e do Ibama para o Ministério da Agricultura.
Embora ainda não tenha sido sancionado – o Projeto de Lei precisa ser aprovado pelo plenário da Câmara e pelo Senado antes de ser encaminhado para sanção presidencial – debates acalorados sobre o tema vêm acontecendo. Defensores do PL alegam que ele é baseado em legislações mais modernas e críticos afirmam que a regulamentação dos pesticidas deve continuar passando pelas agências de saúde e ambientais.
Pontos de vista à parte, há dois fatos que nem defensores nem opositores do Projeto de Lei podem negar: os brasileiros consomem agroquímicos em excesso e os produtores nacionais gastam muito dinheiro com pesticidas. Todos os anos, são pulverizados 7,3 litros de agroquímicos para cada cidadão brasileiro. O Brasil lidera o ranking de maior consumidor de pesticidas do mundo desde 2008. O gasto dos produtores com fitossanitários também é elevado: somente em 2014, mais de R$12 bilhões foram destinados à compra destes produtos.
No entanto, a inteligência artificial e a visão computacional prometem um futuro melhor tanto para os produtores quanto para os consumidores nacionais. Novas tecnologias prometem conciliar a quantidade e a qualidade das safras ao reduzir drasticamente o uso de produtos químicos na agricultura.
É o caso da tecnologia “See and Spray”, que vem sendo desenvolvida nos EUA e já é utilizada em plantações de algodão.
Uma máquina equipada com uma câmera inteligente monitora áreas de plantio e identifica com precisão quais são as plantas afetadas por pragas. A máquina é capaz de gerar um relatório ao produtor discriminando o exato número de plantas afetadas e quais são as pragas em questão. Com esses dados disponíveis, o pesticida não precisa mais ser pulverizado em toda a área de plantio: a máquina aplica o produto somente nas plantas afetadas. A tecnologia “See and Spray” reduz o uso de pesticidas em até 90%, diminuindo os gastos dos agricultores e os efeitos na saúde ambiental e dos cidadãos.
Graças a essas máquinas, os interesses até então inconciliáveis de produtores, consumidores e ambientalistas podem finalmente convergir – e a sociedade como um todo só tem a ganhar com isso.
Tecnologias da MVISIA para o agronegócio
A MVISIA é especialista no desenvolvimento e aplicação de tecnologias de inteligência artificial e visão computacional no agronegócio. Focamos na utilização de câmeras inteligentes para o controle de qualidade e processos nas linhas de produção agroindustriais. Essas câmeras são desenvolvidas sob medida para os mais diversos tipos de empresa.
Quer saber mais sobre como nossas soluções impactam o seu negócio?
Software desenvolvido pela Verily (empresa subsidiária do Google) é capaz de identificar a pressão sanguínea e riscos de doenças cardiovasculares apenas com imagens da retina ocular.
Medição da pressão sanguínea, um exame de sangue, um formulário gigantesco de perguntas e uma série de visitas ao médico – normalmente, esse é o procedimento pelo qual passa uma pessoa que deseja saber o risco que corre de ter doenças cardiovasculares no futuro.
Esse procedimento é bastante custoso e demanda tempo e trabalho tanto dos funcionários de saúde quanto dos pacientes. Afinal, um(a) enfermeiro(a) precisa medir a pressão sanguínea, coletar o sangue e enviá-lo para análise. Um(a) médico(a) precisa obter dados como idade, histórico familiar de doenças, frequência de atividades físicas, peso, hábitos alimentares e de fumo do paciente. É preciso então cruzar cuidadosamente essas informações com o resultado do exame sanguíneo para se ter um diagnóstico. Ao fim do procedimento, o(a) médico(a) consegue prever quais os riscos do paciente de desenvolver doenças cardiovasculares nos próximos cinco anos com 72% de precisão.
Um novo software dotado de I.A. desenvolvido pelo Google promete tornar este processo muito mais simples e rápido. Tudo o que o programa precisa para o diagnóstico é uma imagem da retina ocular do paciente. O algoritmo analisa então os padrões das veias da retina e consegue prever – com 70% de precisão – os riscos de doenças cardiovasculares do paciente.
Para chegar a este algoritmo atual, os cientistas do Google usaram machine learning na análise de imagens de retinas e dados médicos de mais de 300.000 pacientes. Redes neurais foram usadas para buscar padrões nessas imagens e dados, fazendo com que o algoritmo aprendesse a associar os sinais das imagens dos olhos com as métricas necessárias para prever doenças cardiovasculares. À medida que mais dados de pacientes são inseridos, mais o algoritmo aprende e aumenta a eficiência de seu diagnóstico.
Graças a softwares como este, a velocidade e a eficiência de diagnósticos tendem a aumentar, e médicos e funcionários de saúde terão mais tempo e energia para se dedicar à atenção e ao cuidado humano e a outras atividades mais complexas que, por ora, máquinas ainda não conseguem realizar.
Câmeras inteligentes na segurança de hospitais
As contribuições da I.A. à medicina não acontecem somente nos diagnósticos: câmeras inteligentes são grandes aliadas na prevenção da violência e de acidentes em ambientes hospitalares.
A Organização Mundial da Saúde (OMS) estima que entre 8% e 38% dos funcionários de saúde ao redor da mundo sofrem ou sofrerão violência física ao longo de suas carreiras. A maior parte desses casos de violência é decorrente do comportamento agressivo de pacientes (alguns com transtornos causados por acidentes, outros com problemas comportamentais) e de seus familiares. Atualmente, poucos hospitais contam com funcionários e instalações suficientes para monitorar e lidar adequadamente com agressores. Mesmo os que contam com câmeras de monitoramento e vigilantes 24 horas por dia ainda sofrem para identificar casos de violência no momento em que ocorrem. Afinal de contas, diferentemente das câmeras, vigilantes são humanos e estão sujeitos ao cansaço e a distrações.
Para resolver esse problema, um hospital em Toronto, no Canadá, está desenvolvendo um sistema de visão inteligente que pode ajudar na prevenção da violência. Câmeras dotadas de inteligência artificial conseguem identificar em tempo real padrões de agressividade dentro do ambiente hospitalar. Graças ao seus algoritmos, essas câmeras conseguem reconhecer movimentos bruscos, barulhos altos e sinais de irritação nos movimentos corporais das pessoas. Uma vez identificados esses padrões, as câmeras emitem imediatamente um alerta para os funcionários.
I.A. e visão computacional na MVISIA
As tecnologias de I.A. e visão computacional que estão revolucionando a medicina, o varejo, a agricultura e a indústria são as mesmas que a MVISIA desenvolve no Brasil.
Desenvolvemos câmeras inteligentes sob medida para os mais diversos tipos de empresa.
Quer saber mais sobre os nossos produtos e descobrir como eles impactam o seu negócio?
