Visão computacional com IA na indústria: tudo sobre o WEGvision.AI 2.0

Descubra como o WEGvision.AI usa visão computacional com IA para transformar vídeos em decisões inteligentes — da fábrica ao varejo.

O WEGvision.AI nasceu com a proposta de transformar câmeras comuns em fontes de dados operacionais, levando visão computacional com IA para dentro dos processos industriais de forma simples, acessível e contínua.

Na primeira versão, o produto mostrou como a análise inteligente de imagens pode revelar padrões, apontar desvios e oferecer informações valiosas para aumentar produtividade, segurança e eficiência, tudo isso sem alterar a infraestrutura já existente.

Agora, com o WEGvision.AI 2.0, damos um passo além. A nova versão mantém a essência: simplificar o uso de visão computacional na indústria e entregar insights acionáveis de maneira ágil. Mas ela expande significativamente a capacidade de geração de dados, com novas ferramentas capazes de gerar indicadores mais ricos, relacionar objetos entre si e descrever eventos complexos com maior profundidade.

Desafios da primeira versão

Na primeira versão do WEGvision.AI, o foco estava em extrair informações relevantes a partir das câmeras, mas sem a capacidade de detectar objetos individualmente dentro da cena. Essa ausência de detecção de objetos trazia duas limitações principais:

1. Falta de granularidade nas análises
   Como não era possível identificar e isolar cada objeto, o sistema não conseguia calcular métricas relacionadas a interações, deslocamentos ou presença individual.
2. Dificuldade com objetos em movimento
   Em ambientes dinâmicos, como linhas de produção, fluxos logísticos ou áreas com circulação constante, o comportamento dos elementos variava rapidamente. Sem detecção de objetos, o produto não conseguia acompanhar mudanças na cena fora de uma região em específico, o que tornava algumas análises imprecisas ou inviáveis. Situações em que seria importante medir tempo de permanência, deslocamento, proximidade ou até mesmo simples contagem se tornavam um desafio.

Essas limitações eram especialmente sentidas em cenários como:

• Identificação de interações entre operador e máquina (ex.: operador se aproximando de ponte rolante).
• Identificação de acúmulo ou bloqueio de produtos em linhas automatizadas (ex.: tempo em que um determinado material está em espera).

Com o crescimento da base de usuários e o uso em ambientes cada vez mais dinâmicos, ficou claro que o sistema precisava evoluir para compreender a cena com maior riqueza e acompanhar objetos de forma individual.

Novidades do WEGvision.AI 2.0

Com o lançamento do WEGvision.AI 2.0, introduzimos uma das funcionalidades mais esperadas pelos usuários: a detecção de objetos diretamente na cena. Essa evolução representa não apenas um novo recurso, mas uma mudança fundamental na forma como o produto entende e interpreta o ambiente monitorado.

A partir da detecção de objetos, o sistema deixa de enxergar a cena de maneira global para reconhecer, acompanhar e analisar cada elemento individualmente, seja uma peça em movimento na linha de produção, um item sendo transportado, um operador em deslocamento ou qualquer outro objeto relevante ao processo.

Essa capacidade abre portas para uma nova geração de análises, permitindo medir não apenas o que está acontecendo, mas como e entre quem está acontecendo. Agora, o WEGvision.AI é capaz de:

• Identificar objetos de diferentes classes dentro do mesmo quadro.
• Detectar aproximações, cruzamentos de rota e interações entre elementos.
• Calcular métricas espaciais e temporais derivadas da posição e do movimento.

Com isso, o sistema passa a gerar dados antes impossíveis na v1, como:

• Sobreposição de área entre objetos ou entre um objeto e uma região definida pelo usuário.
• Tempo de interação entre dois elementos.
• Contagem de objetos na cena.

No próximo tópico, veremos como essa detecção se encaixa no fluxo de uso: desde o treinamento do modelo até a configuração das regras e indicadores dentro do dashboard.

Como aplicar visão computacional com IA na indústria

Para ilustrar o fluxo completo do WEGvision.AI 2.0, considere uma aplicação prática: presença de operador em zona de risco da ponte rolante.

1- Captura das imagens

O primeiro passo para colocar essa aplicação em funcionamento é capturar imagens representativas do cenário real. No WEGvision.AI, essa etapa é feita de forma nativa, utilizando o próprio recurso integrado de captura do sistema. Assim, as imagens são registradas diretamente das câmeras configuradas, mantendo a fidelidade da iluminação, posição e dinâmica do ambiente onde o modelo será aplicado.

Interface do WEGvision.AI com visão computacional aplicada à ponte rolante, exibindo métricas e ferramentas de análise.

2- Treinamento do modelo no WEG Training HUB

Com o conjunto de imagens em mãos, partimos para uma das etapas mais importantes para o processo: o treinamento do modelo no WEG Training HUB. É nessa plataforma que toda a inteligência do sistema começa a tomar forma, desde a anotação das imagens, definição das classes, treino do modelo e a geração do modelo final compatível com o WEGvision.AI.

Dataset carregado no WEG Training HUB para treinar modelos de visão computacional

O WEG Training HUB é a ferramenta oficial da WEG para treinar modelos de visão computacional utilizados nas soluções MVISIA EDGE e o WEGvision.AI. Ele oferece um fluxo simples e organizado para duas tarefas principais:

• Classificação:  ideal para identificar se uma imagem (ou parte dela) pertence a uma categoria específica (por exemplo: aprovado/reprovado, presença/ausência).
• Detecção de Objetos: utilizada neste caso para o WEGvision.AI, permitindo localizar cada item relevante dentro da cena.

Imagens anotadas no WEG Training HUB para treinar modelos de detecção de objetos.

Configuração de treinamento de modelo no WEG Training HUB com dataset de imagens para visão computacional.

Interface do WEG Training HUB com opções para exportar modelo treinado para WEGvision.AI ou MVISIA EDGE.

Após o término do treinamento, o modelo resultante é exportado selecionando como plataforma de destino o WEGvision.AI e importado diretamente no produto. A partir desse ponto, o sistema passa a reconhecer os objetos definidos na aplicação e a gerar os dados necessários para construir indicadores mais ricos, precisos e contextualizados.

Interface do WEGvision.AI exibindo pop-up para carregar modelo treinado e configurar regras no dashboard.

3- Geração de dados

Com o modelo importado, avançamos para a etapa de configuração dentro do próprio dashboard do WEGvision.AI. É nesse momento que traduzimos as detecções em indicadores realmente úteis para a operação. A partir do modelo treinado, o sistema passa a identificar, em tempo real, cada objeto presente na cena, permitindo criar regras que antes não eram possíveis na versão anterior.

No dashboard, o usuário pode definir quais métricas deseja acompanhar de acordo com a aplicação escolhida, seja medir a interação de um objeto com uma área específica, recuperar sua posição, monitorar tempos de permanência ou simplesmente coletar dados para análises posteriores. Cada regra configurada gera automaticamente séries de dados que podem ser visualizadas, exportadas ou integradas com outros sistemas usando o nosso sistema de alarmes.

Interface do WEGvision.AI exibindo detecção de objetos e configuração de métricas no dashboard industrial.

Para essa aplicação, o que queremos é detectar quando o operador entra na zona de segurança da ponte rolante. Para isso, usamos a ferramenta de Sobreposição de Área Dinâmica, que permite calcular o percentual de interseção entre dois objetos detectados.

É possível definir um percentual mínimo, máximo ou até mesmo um valor numérico exato de interseção, permitindo ajustar a sensibilidade da regra para diferentes tipos de aplicação. Para esse caso vamos utilizar um mínimo de 10% para evitar pequenas interações causadas pelo posicionamento da câmera

Interface do WEGvision.AI configurando regra de sobreposição dinâmica para monitorar operador em área de segurança.

Com essa configuração pronta, vamos sair com esses dados utilizando o sistema de alarmes do WEGVision.AI. Sempre que uma condição previamente configurada ocorrer, seja a presença prolongada de um objeto, a entrada em uma zona restrita, ou qualquer outro evento relevante, o sistema aciona um alerta automaticamente via MQTT, permitindo que a equipe responda rapidamente e tome decisões de forma mais informada.

Todas essas configurações também estão detalhadas no manual online, caso você queira consultar exemplos adicionais ou instruções mais específicas.

4- Saída dos dados

Com as regras configuradas e os dados gerados a partir das detecções, o WEGvision.AI 2.0 permite acionar alarmes de forma totalmente flexível e integrada aos sistemas do usuário. Esses alarmes podem ser enviados através de MQTT, utilizando o tópico que o próprio usuário seleciona, garantindo compatibilidade com praticamente qualquer solução de automação, supervisão ou monitoramento.

Interface do WEGvision.AI exibindo configuração de alarme MQTT com formato JSON e parâmetros de detecção.

O usuário pode configurar exatamente como e quando deseja receber esses alarmes. Entre as opções disponíveis estão:

• Alteração de estado: dispara um alarme sempre que uma condição muda de situação (ex.: objeto entra ou sai de uma área monitorada).
• Saída agregada: consolida diversas ocorrências em uma única saída, incluindo contagens por intervalo ou métricas geradas por várias detecções simultâneas.
• Operações booleanas entre ferramentas: cria lógica combinada entre múltiplas regras (ex.: detectar quando o operador entra na zona segura e há menos de dois operadores na cena).

Interface do WEGvision.AI exibindo configuração de alarme com lógica booleana e parâmetros para integração MQTT.

Essas opções dão ao usuário liberdade para adaptar os alarmes ao seu processo, seja para monitoramento local, integração com CLPs, sistemas de supervisão, plataformas de IoT ou qualquer infraestrutura capaz de consumir mensagens MQTT.

Dessa forma, cada evento relevante detectado pelo modelo desde interações simples até combinações lógicas complexas pode ser transmitido automaticamente, garantindo visibilidade em tempo real e permitindo respostas rápidas em situações críticas.

Resumo: A evolução do WEGvision.AI e seus benefícios para a indústria

A evolução para o WEGvision.AI 2.0 marca um passo importante na forma como empresas podem extrair valor de suas imagens. Com a introdução da detecção de objetos, novas ferramentas de análise e um fluxo completo que integra captura, treinamento, configuração e acionamento de alarmes, o produto se torna ainda mais poderoso e versátil.

Agora, além de classificar o ambiente, o sistema passa a reconhecer cada elemento da cena, permitindo gerar métricas mais ricas, criar aplicações mais específicas e responder a eventos com precisão. Somado aos alarmes configuráveis e à integração via MQTT, o WEGvision.AI 2.0 se ajusta às necessidades reais de cada operação, facilitando automações, melhorando a visibilidade e tornando processos mais eficientes.

Essa nova versão amplia o que já era possível na v1 e abre caminho para aplicações cada vez mais avançadas, mantendo o compromisso de simplicidade e usabilidade. É a evolução natural de um produto que cresce junto com as demandas do mercado.

E a evolução não para na versão 2. Estamos trabalhando em uma nova série de recursos que levarão o WEGvision.AI a um novo patamar de inteligência visual., como:

• Mapas de Calor: para visualizar padrões de movimentação e concentração de objetos ao longo do tempo.
• Modelos especializados: detectores de ação capazes de identificar comportamentos específicos diretamente na cena.
• Configuração de múltiplas tarefas: permitindo aplicações mais complexas e dashboards completos.

Esses e outros recursos já estão em desenvolvimento e chegam para expandir ainda mais a capacidade de análise, automação e tomada de decisão dentro da plataforma.