COMPARAÇÃO DE EFICIÊNCIA NA IDENTIFICAÇÃO DE EPIs UTILIZANDO DEEP LEARNING PADRÃO E TRANSFER LEARNING

Resumo

Este trabalho visa comparar o desempenho entre dois métodos de aprendizado profundo aplicados à identificação automática do uso de Equipamentos de Proteção Individual (EPIs) em ambientes industriais: o deep learning convencional e o transfer learning. Inicialmente, são abordados os conceitos fundamentais de visão computacional e redes neurais convolucionais, que fundamentam o desenvolvimento dos modelos propostos. A metodologia consiste na utilização de conjuntos de imagens categorizadas entre trabalhadores com e sem EPIs, sendo os modelos treinados com parâmetros padronizados e avaliados por meio de métricas como tempo de processamento, consumo de CPU, acurácia, função de perda, matriz de confusão e curva ROC. Diante dos testes realizados ao longo do estudo, mostrou-se que o método utilizando transfer learning apresentou um melhor desempenho em relação ao deep learning padrão.