Inteligência Artificial em carga e descarga em navios. Foto: Divulgação/Marinha do Brasil
Hora de tomar o café da manhã, com um pão quentinho! Mas você já pensou qual é o caminho trilhado pelo café, açúcar ou o trigo do pão até chegarem às gôndolas do supermercado? Uma grande parcela dessa resposta está no transporte marítimo.
📲 Confira o canal do Portal Amazônia no WhatsApp
Gigantes que singram os mares de um canto do mundo a outro, por milhares de quilômetros, os navios graneleiros são equipados para transportar enorme quantidades de carga solta.
Isso significa que produtos como soja e minério de ferro, dentre outros itens em massa, podem ser movimentados de forma eficiente e econômica no comércio global.
Porém, o processo de carregamento de navios nos portos, especialmente dos graneleiros (grãos), é complexo e meticulosamente planejado, devido envolver muitas etapas críticas, desde a preparação inicial até o abastecimento final dos porões.
Leia também: Barco autônomo com inteligência artificial vai monitorar qualidade da água no Xingu, na área da Usina Belo Monte
Um dos grandes problemas no processo de carga e descarga de navios graneleiros é a chuva.
“Muitos produtos como fertilizantes, trigo e açúcar, dentre outros, são sensíveis à água e molhar a carga significa atrasos consideráveis e prejuízos com a perda do produto e aplicação de multas altíssimas no caso de atraso de entrega”, ressalta o pesquisador Omar Andres Carmona Cortes.
O projeto desenvolvido pelo professor do IFMA sugere a utilização de uma rede neural convolucional – uma solução inovadora baseada em Aprendizagem Profunda, que integra a Inteligência Artificial (IA) – para a detecção do momento de fechamento. “Trata-se de uma solução muito mais barata do que a baseada em Lidar e muito mais segura do que usar uma pessoa para essa verificação”, destaca o pesquisador.
Lidar (Light Detection and Ranging) é uma tecnologia óptica de detecção remota que utiliza a luz laser para medir distâncias e detectar objetos em um ambiente. “A tecnologia utilizada em outros portos, baseada em Lidar, permite escanear o navio, mas é um processo lento que exige uma infraestrutura de alto custo”, explica Omar.
Com a solução proposta, é preciso apenas uma câmera, que pode ser fixa ou até mesmo instalada em um drone.
“Essa característica abre portas para outras áreas acadêmicas, como o caso do drone, por exemplo, que pode gerar outros projetos para dar suporte à aplicação da técnica”, avalia Omar Cortes.
Sintonia entre pesquisadores e o setor produtivo
O projeto surgiu por meio da iniciativa do Ministério da Ciência, Tecnologia e Inovação (MCTI) em parceria com a Sociedade Brasileira para o Desenvolvimento da Indústria de Tecnologia da Informação (Softex).
Leia também: PrevisIA: inteligência artificial aponta 6,5 mil km² com risco de desmatamento na Amazônia em 2025
O objetivo foi promover o desenvolvimento da indústria de tecnologia da informação e comunicação (TIC) no país e popularizar o conhecimento em Aprendizagem de Máquina e Aprendizagem Profunda, subáreas da Inteligência Artificial.
O trabalho se transformou em uma dissertação de mestrado do Programa de Pós-Graduação em Engenharia da Computação e Sistemas da Universidade Estadual do Maranhão (UEMA), onde Omar Cortes atua como professor permanente. “A base de dados está sendo incrementada e formas de melhorar a velocidade de detecção em tempo real estão sendo testadas”, mencionou.
Método e resultados
A metodologia da investigação utilizada foi a Cross Industry Standard Process for Data Mining (CRISP-DM), que pode ser traduzido como Processo Padrão Interindústrias para Mineração de Dados. “Ela é utilizada por especialistas em mineração de dados para atacar problemas reais, sendo adequada também para problemas a serem atacados usando Aprendizagem de Máquina”, frisou o pesquisador.
Os resultados preliminares mostraram que a Yolo v4 (You Only Look Once, algoritmo avançado de detecção de objetos em imagens e vídeos) possui alta acurácia na detecção, mas baixa velocidade em tempo real. Por outro lado, o Fast Yolo (versão otimizada do YOLO) possui alta velocidade de detecção, mas uma acurácia menor. Além disso, a Fast Yolo v4 se mostrou sensível a ausência de luz, enquanto a Yolo v4 é capaz de realizar uma detecção eficiente nesse cenário de baixa luminosidade. “Espero que outros mestrandos tenham interesse no tema para continuarmos a produzir melhorias tecnológicas e inovadoras”, ressalta Omar.
Leia também: Modelo de Inteligência Artificial para gestão e validação de patentes é desenvolvido no Inpa
O pesquisador aponta, ainda, os benefícios da pesquisa para o Maranhão. “Em primeiro lugar está o treinamento de pessoas altamente especializadas em Aprendizagem de Máquina, o que é fundamental para o desenvolvimento da ciência e tecnologia do Maranhã”, avalia. “E consequentemente, em segundo lugar, está o desenvolvimento do IDH [Índice de Desenvolvimento Humano] do Maranhão, já que há uma correlação direta entre o IDH e a produção científica”, aponta.
Omar Cortes e 20 anos de Inteligência Artificial
A experiência de Omar Cortes na aplicação de Inteligência Artificial na indústria começou por volta de 2005, envolvendo projetos desenvolvidos para as empresas Cemar e Alumar. Por volta de 2017, o pesquisador passou a trabalhar o tema de visão computacional inteligente, que corresponde à aplicação de Inteligência Artificial em imagens.
O trabalho se deu através da orientação de iniciações científicas no IFMA, direcionadas à identificação de câncer em imagens histopatológicas. “Com a experiência adquirida, passei a aplicar esse conhecimento no Programa de Pós-Graduação em Engenharia da Computação e Sistemas [PECS, da Universidade Estadual do Maranhão/UEMA].
O pesquisador do IFMA informa que a oportunidade de desenvolver o trabalho partiu de problemas apresentados pela EMAP durante a execução do Projeto Softex de Residência em Tecnologias da Informação e Comunicações (TIC).
Ainda no âmbito do Projeto Softex, o pesquisador se dedica à pesquisa de contagem de passageiros no ferryboat da Softex, também usando IA, com o orientando Roberto Reis. Omar Cortes também está desenvolvendo projeto de identificação de defeitos em defensores no Porto do Itaqui através de imagens. A iniciativa é financiada pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), pelo edital de Produtividade em Desenvolvimento Tecnológico.
“É o meu o projeto de bolsista produtividade, em que conto com estudante de mestrado e um de Iniciação Científica, em cooperação”, informa. O estudante de mestrado, Davi Matos de Carvalho, aluno regular do PECS – UEMA, está desenvolvendo o trabalho “Uma CNN para detecção de defeitos em defensas no porto do Itaqui” e João Pedro Ruas Brasil, de Iniciação Científica, aborda a Utilização de Redes Generativas Adversariais no Aumento de Dados na Detecção de Defeitos em Defensas”. “Temos bastante trabalho pela frente e espero que isso fortaleça o laço entre o IFMA e a EMAP”, conclui.
*Com informação do IFMA
