Visão computacional e IA multimodal
Câmeras, imagens, vídeos e documentos virando dados e decisões, na nuvem ou na borda.
O que fazemos
Da inspeção de qualidade na linha de produção à leitura de documentos e à análise de vídeo: treinamos modelos de visão nos seus dados e os combinamos com modelos multimodais (Gemini, GPT-5, Azure AI Vision, Amazon Bedrock) para entender imagens em contexto. Treinamento, avaliação, implantação em edge ou nuvem e monitoramento contínuo.
Faz sentido quando
- Inspeção manual que não escala ou varia de operador para operador.
- Câmeras instaladas que só gravam e ninguém analisa.
- Documentos em volume que chegam como imagem, PDF ou foto de celular.
O que entregamos.
Inspeção visual de qualidade
Detecção de defeitos, medições e classificação em linhas de produção, com modelos treinados nos seus produtos e integrados ao MES ou ao ERP.
Segurança e conformidade
Uso de EPI, áreas de risco, acessos e comportamento em vídeo, com alertas em tempo real e privacidade por desenho.
Contagem, rastreamento e análise de vídeo
Fluxo de pessoas e veículos, ocupação, filas e tempo de permanência em varejo, logística, indústria e cidades.
Leitura inteligente de documentos
OCR e extração estruturada de notas, contratos, laudos e formulários com Azure Document Intelligence, Google Document AI e modelos multimodais.
IA multimodal e modelos de visão e linguagem
Modelos que descrevem, comparam e respondem perguntas sobre imagens e vídeos, para catálogo, atendimento, auditoria e suporte técnico.
Edge AI
Modelos otimizados para rodar em câmeras, NVIDIA Jetson e gateways industriais, com atualização remota e telemetria.
Como um modelo de visão chega à produção.
Cinco etapas, e a mais importante é a que a maioria pula: a avaliação nas condições reais.
- 1
Dados e anotação
Coleta nas condições reais de luz, ângulo e câmera, anotação com critério e divisão honesta entre treino e teste.
- 2
Treinamento ou ajuste
Modelos treinados do zero, ajustados a partir de bases abertas ou combinados com modelos multimodais prontos.
- 3
Avaliação
Métricas por classe e por condição, com os casos difíceis separados, antes de qualquer promessa.
- 4
Implantação
Na borda (Jetson, câmeras, gateways) ou na nuvem (Azure, Google Cloud, AWS), com otimização para latência e custo.
- 5
Monitoramento
Desvio de dados, novas condições e reanotação contínua: o modelo acompanha a fábrica, não o contrário.
Com o que construímos.
As plataformas e ferramentas que usamos nesta frente. A escolha final é sempre do caso de uso.
- Azure AI Vision
- Azure Document Intelligence
- Cloud Vision API
- Google Document AI
- Amazon Rekognition
- Amazon Textract
- Gemini (multimodal)
- GPT-5 (visão)
- YOLO (Ultralytics)
- OpenCV
- PyTorch
- ONNX Runtime
- NVIDIA Jetson e TensorRT
- Huawei Ascend
Perguntas frequentes.
O que a visão computacional pode fazer por uma empresa?
Transformar imagens, vídeos e documentos em dados e decisões: inspecionar a qualidade de produtos na linha, verificar o uso de EPI, contar pessoas e veículos, analisar o vídeo de câmeras já instaladas e ler documentos que chegam como imagem ou PDF.
Preciso de câmeras novas ou de muitos dados para começar?
Nem sempre. As câmeras já instaladas costumam bastar, e modelos multimodais como Gemini e GPT-5 reduzem a quantidade de exemplos necessária. Quando o caso pede um modelo próprio, treinamos com as suas imagens, a partir de um conjunto inicial definido no discovery.
A análise de imagens roda na nuvem ou na borda (edge)?
Nos dois. Na nuvem usamos Azure AI Vision, Google Cloud Vision, Amazon Rekognition e modelos próprios; na borda, modelos otimizados (YOLO, ONNX, TensorRT) rodando em NVIDIA Jetson e gateways, quando latência, conexão ou privacidade pedem processamento local.
Como fica a privacidade das pessoas que aparecem nas imagens?
Ela entra no desenho da solução: processamento local quando possível, anonimização, retenção mínima e controle de acesso, de acordo com a LGPD.
Costuma andar junto.
Vamos conversar sobre visão computacional?
Conte o cenário da sua empresa. Um engenheiro de IA responde com o que dá para construir, em quanto tempo e a que custo.