A proposta da detecção de EPI com IA é simples: as câmeras já estão nas paredes, então adicionar um modelo que vigie capacetes e coletes de alta visibilidade transforma hardware já amortizado em um sistema de segurança que nunca pisca. É uma história atraente e, como a maioria das histórias atraentes na tecnologia de armazéns, é verdadeira em sentido estrito e enganosa depois de um mês de uso real.

O fenômeno é fácil de documentar. Segundo a Pesquisa de Lesões e Doenças Ocupacionais do Bureau of Labor Statistics referente a 2024, o setor de armazenagem e depósito registrou 4.8 casos registráveis por cada 100 trabalhadores em tempo integral, com 32 mortes, uma taxa que colocou o subsetor em nono lugar entre os mais altos medidos. Segundo a norma 29 CFR 1910.132(d) da OSHA, o empregador deve primeiro avaliar os riscos do local de trabalho e decidir que proteção cada função exige, os capacetes são cobertos especificamente pela norma 1910.135, e o EPI fica na base da hierarquia de controles, abaixo dos controles de engenharia e administrativos, como última camada e não como primeira. Um sistema que apenas vigia o EPI cobre, por design, apenas a última camada da cadeia de segurança.

O que a detecção de EPI com IA realmente vê em um armazém

O mecanismo é menos misterioso do que o marketing sugere. O sistema toma o sinal das câmeras já instaladas, executa um modelo de detecção de objetos em cada quadro para encontrar pessoas e depois o equipamento que usam — um capacete na cabeça, um colete de alta visibilidade no tronco — e gera um alerta quando o item esperado está ausente. A maioria executa a inferência localmente em um dispositivo de borda, não na nuvem. Uma implementação de código aberto mediu o pipeline completo, incluindo detecção de capacetes, detecção de coletes de alta visibilidade e reconhecimento de identidade, em 113 milissegundos por quadro em vídeo de 640 por 480, e classificou corretamente todas as suas 63 amostras de teste de capacetes. Um pequeno teste controlado, não uma promessa de turno da noite.

A pesquisa publicada relata números ainda mais altos, e a diferença entre os números da pesquisa e os dos fornecedores é por si só informativa. Um estudo usando YOLOv11 relatou uma taxa máxima de detecção de 98.6 por cento nos ambientes testados, um número que o próprio artigo apresenta como preliminar, enquanto um estudo anterior baseado em YOLOv3 relatou um escore F1 de 0.96. A página do fornecedor Sieora situa a precisão no mundo real para EPI comuns em aproximadamente 90 a 95 por cento, e um estudo de caso do fornecedor Tensorbot relata precisão de 99.4 por cento em um local de 40 acres, com 100 vezes a cobertura da inspeção manual e latência de alerta inferior a um segundo. A precisão não é uma propriedade fixa do modelo. Ela varia com a cena: o ângulo da câmera, a luz na porta do cais, se o trabalhador olha para a lente, e se um colete está coberto por uma jaqueta ou um capacete está escondido atrás de uma viga de prateleira.

Onde a detecção de capacetes falha no chão do armazém

Os falsos positivos chegam primeiro. Um boné de beisebol branco, uma cabeça de cabelos brancos ou uma luminária brilhante refletida acima da cabeça de um trabalhador podem todos ser lidos como um capacete por um modelo que julga um pequeno conjunto de pixels à distância, enquanto um colete de alta visibilidade empoeirado pode ser lido como uma jaqueta comum sob a luz amarelada de um cais de carga à noite. O sistema de código aberto acima exige oito quadros consecutivos de violação antes de alertar, trocando velocidade por confiabilidade, mas um pedestre passa por uma câmera em dois ou três segundos.

As detecções perdidas seguem a forma comum do trabalho no armazém. Um motorista de empilhadeira sentado na cabine tem a maior parte do tronco escondida atrás do volante e do corpo do veículo, de modo que um colete claramente visível quando o motorista está em pé se torna uma forma parcial e ocluída quando o motorista está trabalhando. Um separador que se inclina para o nível mais baixo das prateleiras tem o capacete escondido atrás de uma viga horizontal, e um turno da noite em uma zona mal iluminada degrada diretamente o julgamento de cores, porque a detecção de alta visibilidade depende fortemente de cor e contraste. Os artigos testam pessoas paradas, imóveis, olhando para a câmera, com luz uniforme.

Há uma lacuna mais sutil que nenhuma melhoria na taxa de detecção fechará: o sistema julga a presença, não a conformidade. Um capacete usado ao contrário, uma tira de queixo deixada desafivelada, um colete de alta visibilidade usado aberto ou óculos de segurança empurrados para a testa são todos registrados como presentes, e o modelo os aprova. Segundo a norma 1910.132, o EPI deve se ajustar, ser mantido e usado conforme o treinamento, de modo que presença e conformidade são coisas diferentes, e a distância entre elas é o passo que uma câmera não pode dar atualmente.

A aritmética da fadiga de alertas é onde a detecção de EPI com IA costuma falhar como ferramenta de gestão, não como modelo. Considere o seguinte exemplo hipotético, com números presumidos usados apenas para ilustrar a escala: um armazém de 200 pessoas em que cada trabalhador passa por uma zona de detecção quatro vezes por dia produz 800 julgamentos por dia, e mesmo com uma precisão real de 98 por cento, isso deixa 16 erros por dia, ou mais de 300 em um mês. Um supervisor verificará cada alerta na primeira semana, passará os olhos pelos assuntos na terceira semana e silenciará as notificações na quinta.

Local Detecção na prática O que fazer com ela
Porta de entrada, de frente, boa luz Detecção mais confiável Instalar aqui primeiro
Cais e corredor, contraluz, movimento rápido Falsos alarmes e falhas aumentam Registrar apenas por duas semanas
Cabine de empilhadeira e níveis baixos de prateleiras Oclusão grave, julgamento pouco confiável Não avaliar pessoas aqui
Luvas, proteção ocular, calçados de segurança Alvos pequenos, os modelos atuais têm dificuldade Não pagar a mais ainda

O registro, não a captura: para que servem realmente as câmeras

Este é o julgamento que vai contra o argumento de venda da detecção de EPI com IA. O valor mais duradouro de um sistema de detecção de EPI pode não ser as violações que ele detecta no momento, mas o registro que deixa para trás: qual corredor, qual turno e qual tipo de violação se repete, e se o padrão aponta para treinamento, escala de turnos ou o layout das rotas de tráfego. O estudo de caso da Tensorbot em seu local de 40 acres relata 100 vezes a cobertura da inspeção manual e alertas que chegam a um supervisor em menos de um segundo, e a afirmação de cobertura é plausível, mas o estudo de caso não diz se a taxa de lesões caiu. Cobertura e taxa de lesões são duas coisas diferentes, e uma câmera que vê tudo e não muda nada melhorou a observação, não a segurança.

A privacidade deve ser resolvida antes da instalação, não depois de uma reclamação. As regras estaduais diferem: a seção 632 do Código Penal da Califórnia exige o consentimento de todas as partes para gravação de áudio, e banheiros e vestiários são proibidos para câmeras, enquanto a lei de monitoramento eletrônico de Nova York de 2021 exige que os empregadores avisem por escrito que existe monitoramento. Duas leis da Califórnia assinadas em 2026-09-30, AB 1883 e AB 1331, entram em vigor em 2027-01-01: AB 1883 restringe o uso de IA para inferir as emoções dos funcionários, com uma exceção para ferramentas de segurança, e AB 1331 proíbe o monitoramento dentro de banheiros, com penalidades de até 500 dólares por violação. A detecção de EPI em si não é proibida, mas um sistema que adiciona reconhecimento facial ou análise de emoções muda de caráter por completo. Defina primeiro três regras de política: apenas áreas de trabalho, apenas EPI, retenção fixa.

Se um armazém seguir em frente, o método de aceitação importa mais do que o fornecedor. Execute o sistema em modo sombra por duas semanas, registrando sem alertar, e julgue-o por três números: a taxa de falsos alarmes, a taxa de detecções perdidas e a taxa em que os supervisores realmente respondem aos alertas. Comece apenas pela porta de entrada. Mantenha a regra como apenas registro, não disciplina, até que os falsos alarmes caiam a um nível com o qual os supervisores possam viver, e coloque limites de aceitação e uma cláusula de saída no contrato, para que um sistema que não os atenda possa ser interrompido.

Nos próximos dois a três anos, a detecção de EPI provavelmente passará de se o equipamento está presente para se ele é usado corretamente, e de capacetes e coletes de alta visibilidade para luvas e proteção ocular. O EPI continua sendo a última camada. A pergunta aberta à qual continuo voltando é estreita: quando a taxa de detecção subir mais dois pontos percentuais e os falsos alarmes caírem pela metade, os supervisores continuarão silenciando as notificações, ou o hábito de ignorá-las sobreviverá à razão técnica para fazê-lo? Os números podem melhorar, e provavelmente melhorarão, mas se o hábito diário das pessoas que recebem os alertas acompanhará o ritmo é algo que um benchmark ainda não pode responder.

Por Dr. Chen, Pesquisador de cadeia de suprimentos Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.