Termografia em IA

A Inteligência Artificial (IA) é um dos tópicos mais relevantes da atualidade, intersectando muitas áreas de interesse. Com a disseminação deste conceito, as expectativas sobre o seu potencial cresceram significativamente. Alguns veem a IA como um conjunto de mecanismos capazes de potenciar a inteligência humana, melhorando o desempenho das atividades, outros como máquinas inteligentes capazes de aprender novos conceitos autonomamente. As maiores expectativas, porém, centram-se na criação de humanoides capazes de reproduzir reações humanas.

Neste contexto, idealizamos máquinas inteligentes que recebam os mesmos sinais que o corpo humano recebe, processem essa informação e reajam em conformidade. Mas é precisamente aqui que encontramos uma das propriedades mais interessantes da IA: a capacidade de detectar e interpretar sinais ou informação que os humanos não conseguem aceder diretamente, como radiação eletromagnética fora do espectro visível, infra e ultrassons, ou sinais de ambientes hostis.

Neste artigo, focamos no potencial da termografia em sistemas de Inteligência Artificial. As câmaras térmicas são atualmente usadas numa vasta gama de setores que incluem agricultura, construção, eletricidade, saúde, entre muitos outros. No entanto, poucas aplicações combinam câmaras térmicas com sistemas inteligentes.

Apresentamos uma explicação breve da radiação térmica, uma introdução às câmaras térmicas e as suas propriedades, alguns exemplos de soluções atuais que combinam termografia com IA, e sugestões de casos de uso que podem ser explorados num futuro próximo, agrupados por indústria.

Curso, Modelos

Data Ignite

Potencialize os seus dados com o nosso curso.

Saiba mais

Termografia

À semelhança das câmaras RGB, as câmaras termográficas são sensores que capturam radiação eletromagnética, neste caso, radiação térmica. Mas o que é radiação térmica?

O calor (ou radiação térmica) resulta da energia irradiada por qualquer matéria com uma temperatura superior a 0 Kelvin (0K = -273,15º C). Acima desta temperatura, os átomos e as moléculas realizam pequenos movimentos associados a uma certa energia cinética. Uma vez que os átomos são compostos por partículas carregadas (protões e eletrões), as interações cinéticas resultam na geração de campos elétricos e magnéticos, e consequentemente na emissão de fotões.

Portanto, qualquer objeto com uma temperatura acima do zero absoluto é capaz de irradiar energia térmica. Esta radiação é visível a olho nu em algumas ocasiões, por exemplo, quando um metal é aquecido até ficar vermelho. Neste caso, o metal está a emitir radiação vermelha (incluída no espectro visível), mas antes de atingir este ponto, o metal já estava a emitir radiação com menor energia. Quanto mais baixa a temperatura, menor a energia, e menor a frequência da onda, portanto, a radiação emitida pelos objetos do quotidiano pertence ao espectro Infravermelha (IV).

Diagrama do espectro eletromagnético, mostrando o tipo, frequência e temperatura de emissão do corpo negro. Adaptado de File:EM Spectrum Properties edit.svg.

Um detalhe curioso: os humanos consideram vermelho, laranja e amarelo como cores quentes, enquanto verde, azul e violeta como cores frias. Mas, na verdade, objetos que emitem radiação azul são 10 vezes mais quentes (de acordo com a escala Kelvin) do que objetos que emitem radiação vermelha.

Câmaras térmicas

Com base na informação acima, é razoável concluir que as câmaras térmicas são sensores Infravermelha. No entanto, não devemos confundi-las com câmaras infravermelhas iluminadas, utilizadas para visão noturna. Estas últimas capturam a reflexão da radiação IV projetada por elas próprias, em vez de captar a radiação emitida pelos objetos.

Ao trabalhar com câmaras térmicas, o utilizador deve estar atento a dois efeitos: emissividade e refletividade. A emissividade está relacionada com a eficiência de um objeto em emitir radiação IV, enquanto a refletividade mede como a superfície do objeto reflete a radiação. Ambas dependem das propriedades da superfície do objeto, como rugosidade, morfologia e oxidação, e relacionam-se pela equação: refletividade = 1 – emissividade.

Para alcançar uma emissividade de 1,0, a superfície deveria comportar-se como um corpo negro perfeito, o que é impossível de obter em condições normais. No entanto, para medições termográficas, é desejável que a superfície tenha a máxima emissividade possível.

Quando a superfície é muito polida e brilhante, como um espelho, a refletividade é muito elevada e as medições de temperatura são enviesadas pela temperatura do ambiente. Portanto, o utilizador deve evitar captar sinais ruidosos através da superfície refletora, como reflexos solares, e adquirir imagens de diferentes ângulos.

Imagens térmicas de uma janela de vidro. À esquerda, o vidro refletia a linha do horizonte, mas sem reflexos solares. À direita, o vidro estava a refletir o sol, comprometendo a medição da temperatura da superfície do vidro.

Quando usar câmaras térmicas?

As câmaras térmicas podem ser utilizadas para visualizar sinais invisíveis a olho nu ou para melhorar a detecção de objetos visíveis em condições de fraca visibilidade, quando a sua temperatura difere do ambiente.

Existe uma longa lista do que pode ser detectado por uma câmara térmica, incluindo categorias como edifícios, terreno, rochas (especialmente à noite, quando acumulam calor durante o dia), motores mecânicos, veículos, seres vivos (animais e vegetação), líquidos, gases, circuitos elétricos, fugas em sistemas de isolamento, e assim sucessivamente.

Uma vantagem das câmaras térmicas relativamente às câmaras RGB é a preservação da privacidade, isto é, estas câmaras podem ser utilizadas para detectar pessoas e registar o seu comportamento. No entanto, para sistemas de baixa resolução, as pessoas não podem ser facilmente identificadas através da termografia.

Os sensores térmicos também são muito úteis para detectar objetos através de poeira ou fumo. Contudo, o seu desempenho diminui quando tentam ver através de chuva ou nevoeiro, uma vez que as gotículas de água causam dispersão de luz.

Olhando para a imagem RGB à esquerda, consegue identificar a abelha? Agora, procure um ponto quente entre as folhas, na imagem térmica. Consegue ver a abelha agora?

Aplicações de IA em termografia

Visão por computador é o campo científico que se concentra na interpretação digital de dados visuais, como imagens e vídeos. As metodologias clássicas de visão por computador incluem processamento de imagem, extração de características e integração com algoritmos de aprendizagem automática. Com o desenvolvimento de algoritmos de deep learning, como redes neuronais convolucionais (CNN), os modelos tornaram-se capazes de extrair automaticamente as características mais relevantes para cada tarefa.

Estes algoritmos de IA não só poupam trabalho e tempo como também conseguem encontrar informação relevante que seria ignorada pelos humanos ao extrair características manualmente. Se esta propriedade parece útil para características RGB, a sua utilidade é ainda mais relevante para termografia, cuja interpretação é menos intuitiva e requer treinamento prévio.

Com isto em mente, alguns desenvolvedores têm vindo a criar soluções de IA alimentadas por imagens térmicas. Nesta secção, encontrará algumas dessas aplicações.

Reconhecimento de materiais – Youngjun et al. desenvolveram um algoritmo de deep learning para reconhecer tipos de materiais através de padrões de temperatura. O modelo alcançou uma precisão de 98% para materiais interiores e 89% para materiais exteriores. Esta tarefa poderia ser realizada usando uma câmara RGB. No entanto, imagens térmicas não dependem de condições de iluminação, sendo mais consistentes, independentemente da hora do dia. [1]

Detecção de humanos – Os sistemas de detecção humana têm um vasto leque de aplicações, como vigilância de segurança, operações de resgate, monitorização de tráfego de peões, monitorização de multidões em espaços públicos, entre outros. Atualmente, existem poucas soluções de IA para detecção humana que integrem imagens térmicas. Ainda assim, todas são aplicadas a vigilância de segurança.

Orientação automática para bombeiros – Bhattarai e Martínez-Ramón desenvolveram um mecanismo capaz de detectar objetos alvo como portas, janelas e escadas em condições de fumo denso e fornecer suporte aos bombeiros, em tempo real. Este mecanismo também detecta pessoas e estima a sua postura, que é um indicador do seu estado de saúde, auxiliando na priorização de resgates.

Detecção de febre – Athena incorpora sensores térmicos nas suas câmaras de segurança para medir a temperatura corporal. Utilizando IA, o seu sistema detecta automaticamente pessoas com febre, enviando um aviso, o que é muito útil atualmente para controlar a contaminação por COVID-19.

Diagnóstico da Síndrome do Túnel Cárpico – Jesenšek Papež et al. desenvolveram uma ferramenta automática para diagnóstico da Síndrome do Túnel Cárpico utilizando termografia. Esta síndrome resulta na compressão do nervo mediano dentro do túnel cárpico, danificando as fibras nervosas ao seu redor. Este dano causa uma diminuição na emissão de calor vascular, que é visível em termografia.

Casos de uso potenciais

Na secção anterior, apresentámos algumas soluções de IA que foram desenvolvidas até ao momento. A lista não é muito extensa, o que significa que há muito por fazer com IA e termografia. Se está interessado em termografia ou IA, consulte os casos de uso sugeridos abaixo. Podem inspirar o desenvolvimento de uma nova solução, por si próprio ou com a equipa da NILG.AI.

Agricultura e Agroindústria

• Monitorização do teor de água através de propriedades de refletância espectral da vegetação e agendamento automático de irrigação.
• Detecção de salinidade do solo.
• Detecção de infeções patogénicas em plantas.
• Previsão de rendimento de colheitas.
• Detecção de hematomas e arranhões para seleção de frutas e vegetais.
• Avaliação da maturação de frutas.
• Detecção de corpos estranhos em alimentos.
• Detecção precoce de dermatite em cavalos de corrida.
• Detecção precoce de mastite subclínica em vacas leiteiras.
• Detecção de dano articular em bovinos.
• Detecção de dano tecidual e inflamação em bovinos.

Moda e Têxtil

• Seleção de tecidos baseada no monitoramento da retenção de suor em roupas.
• Pesquisa e análise de materiais, medindo propriedades como secagem, transporte de calor e humidade.

Ambiente

• Monitorização automática de contaminação de água em drones.
• Detecção de áreas de desflorestação ilegal.
• Pesquisa automática de populações de espécies selvagens.

Trânsito e Transportes

• Controlo e vigilância eficaz de tráfego em condições de fraca visibilidade.
• Detecção de Veículos Aéreos Não Tripulados (UAVs).
• Monitorização e controlo de tráfego aéreo.
• Manutenção de veículos, através da monitorização de componentes elétricos e mecânicos.

Construção

• Inspeção elétrica automática.
• Detecção de perda de calor ou infiltração de ar.
• Detecção de fugas em telhados.
• Detecção de entupimentos em canalizações.

Saúde

• Rastreio de cancro da mama.
• Detecção de infeções, inflamações e lesões.
• Detecção de perfusão sanguínea.
• Detecção de lesões de agressão sexual em colposcopia.
• Detecção de sinais internos de estrangulamento.

Existe um mundo inteiro de dados além do alcance dos nossos sensores humanos. A IA pode ajudá-lo a potenciar as capacidades humanas, utilizando eficientemente esse conhecimento. A termografia é um caso, fique atento para mais informações sobre outras formas de percecionar o mundo em que vivemos.

Quer discutir mais esta ideia?

Marque uma reunião com Paulo Maia

Conheça Paulo Saiba mais

Referências

1. Cho, Youngjun, et al. "Deep thermal imaging: proximate material type recognition in the wild through deep learning of spatial surface temperature patterns." Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. 2018.
2. Zhang, Huaizhong, et al. "Systematic infrared image quality improvement using deep learning based techniques." Remote Sensing Technologies and Applications in Urban Environments. Vol. 10008. International Society for Optics and Photonics, 2016.
3. Papež, B. Jesenšek, et al. "Infrared thermography based on artificial intelligence as a screening method for carpal tunnel syndrome diagnosis." Journal of International Medical Research 37.3 (2009): 779-790.