Um gerente de armazém no Inland Empire me contou no ano passado uma história que não me sai da cabeça. A equipe dele passou três meses fotografando e rotulando mais de dez mil imagens de SKU e treinou um modelo de visão para verificação de picking. Na primeira semana em produção, a precisão parecia ótima. Aí veio a troca de embalagem da temporada — alguns SKUs principais ganharam novos designs com cores dominantes diferentes — e a precisão despencou. O modelo acabou pior que as checagens manuais que substituiu. Você tinha que ver a cara da equipe do projeto.
Não foi um caso isolado. Quando armazéns tentam treinar seus próprios modelos de visão, o ponto de falha quase nunca é o algoritmo — modelos de código aberto são abundantes e de qualidade parecida. O ponto de falha são os dados: quantas fotos, tiradas como, rotuladas como. Vamos desmontar isso.
Você não precisa de mais fotos. Precisa de mais variedade
O instinto é acumular volume: dez mil fotos devem bastar. Meio certo.
Modelos não sofrem de "pouco demais". Sofrem de "enviesado demais". Dez mil fotos da mesma estação, da mesma câmera, da mesma luz das 10 da manhã ensinam ao modelo uma única coisa, e a foto de número cem mil ensina a mesma coisa de novo. O que realmente determina se seus dados bastam é quantos tipos de variação eles cobrem. Antes de tirar qualquer foto, pregue uma lista de verificação de variações na parede:
Iluminação. Os fluorescentes do armazém e o sol do fim de tarde entrando de viés pelas portas do dock são duas cores completamente diferentes. Fotografe os mesmos SKUs de manhã e à tarde. Tubos velhos com temperatura de cor deslocada também valem.
Ângulo. A câmera sobre a estação de verificação é fixa, mas as caixas não: de lado, em pé, de cabeça para baixo, meio fora do enquadramento. Não fotografe só a pose ensaiada — capture o jeito que um operador de empilhadeira realmente larga uma caixa.
Fundo. Correias transportadoras, vãos entre paletes, reflexos do piso — quanto mais bagunçado o fundo, mais o modelo tem que aprender a ignorá-lo. Rode por duas ou três estações em vez de espremer uma só.
Condição da embalagem. É aqui que a precisão morre. Caixas amassadas, manchadas de água, meio embrulhadas em filme stretch, cobertas de adesivos promocionais — além da embalagem redesenhada que chega toda temporada. Aquele distribuidor de quem falei? O conjunto de treinamento deles tinha zero exemplos da embalagem nova. O modelo nunca tinha visto, então chutou.
Tire uma rodada, marque o que você cobriu, volte pelo que faltou. Isso ganha sempre de tirar dez mil fotos às cegas. Mais uma coisa: classifique seus SKUs pela frequência de troca de embalagem. Peças industriais que parecem iguais por anos podem ser fotografadas uma vez e deixadas em paz. Alimentos e bens de consumo que são reembalados algumas vezes por ano precisam da coleta de dados como hábito recorrente, não como projeto único.
Comece com caixas, não com polígonos
A segunda armadilha é a rotulagem. Muitas equipes pulam direto para a segmentação de instâncias porque "mais preciso deve ser melhor". Meu conselho: ponha para funcionar primeiro um modelo de caixas delimitadoras.
Caixas são dramaticamente mais rápidas de rotular — um anotador treinado consegue fazer centenas numa manhã (estimativa ilustrativa). Desenhar polígonos leva várias vezes mais tempo e é mais difícil manter consistente. E caixas já resolvem a maioria dos trabalhos de armazém: identificação de SKU, detecção de caixa vazia, se um palete está carregado, se há objeto estranho na correia. A segmentação ganha seu lugar só quando você precisa de medição precisa (digamos, estimar dimensões de caixas para peso cubado) ou quando a oclusão é tão ruim que uma caixa não consegue enquadrar o objeto de jeito nenhum.
Qualidade de rótulo supera quantidade, e não é nem perto. Algumas centenas de imagens onde dois anotadores discordam sobre o que conta como "danificado" ensinam ruído ao modelo. Antes de começar a rotular, escreva uma especificação de meia página: o que conta como danificado, o que conta como ok, se rotular objetos com mais da metade ocluídos. Depois peça para duas pessoas rotularem o mesmo lote de algumas dezenas de imagens (ilustrativo). Onde discordarem, corrija a especificação. Não escale até concordarem na maior parte.
Terceirizar ou rotular internamente? Depende da fase. Plataformas de rotulagem (Labelbox, Roboflow e pares) aumentam o volume rápido, mas não conhecem seu negócio — não vão reconhecer que um "novo design de embalagem" ou um "adesivo promocional" é uma mudança relevante. Seu próprio pessoal rotula devagar, mas vive no armazém e identifica anomalias de relance. O que eu faço: rotulo o primeiro lote de casos difíceis internamente para definir o padrão, terceirizo o volume rotineiro e audito pelo menos um em cada dez (taxa de auditoria ilustrativa) — um lote ruim reprova tudo.
Ajuste fino, não treine do zero — e então realimente os casos difíceis
Aqui vai o veredito: a maioria dos armazéns nunca precisa treinar um modelo do zero.
Modelos de código aberto pré-treinados — a família YOLO da Ultralytics, pré-treinada em conjuntos massivos de dados como COCO — já viram centenas de milhares de objetos do dia a dia. Seu trabalho é ajustar um deles com seus SKUs para ele aprender sua embalagem. Os dados necessários para ajuste fino são outro universo em relação ao treino do zero: tipicamente, de algumas centenas a alguns milhares de fotos bem cobertas já servem para começar (varia muito por SKU; teste com seus próprios dados). Treinar do zero é esporte de laboratório de pesquisa. Armazéns não precisam disso.
Também não defina metas de precisão por desejo. Num papel de verificação, o modelo ajuda as pessoas; não as substitui. Uma meta sensata se parece com "cortar a carga de verificação manual pela metade ou mais, com taxa de erro não pior que a linha de base manual atual" (ilustrativo — calibre contra seus próprios números). Mire num mágico "99%" e você vai se afogar num ciclo infinito de coleta de dados.
A parte mais subestimada é o que acontece depois do lançamento. Chegam SKUs novos, os velhos são reembalados, adesivos promocionais sobem — a cauda longa que seu conjunto de treinamento nunca viu, onde o modelo fica cego. A solução é um ciclo, não um conjunto de dados maior: depois de entrar no ar, recupere automaticamente as fotos que o modelo errou ou sobre as quais teve dúvida, peça para um humano confirmá-las, realimente o conjunto de treinamento com os casos difíceis confirmados e retreine em cadência. A frequência depende de quão rápido seus SKUs mudam: alimentos e bens de consumo de giro rápido podem precisar de retreino mensal ou até quinzenal; produtos industriais de mudança lenta podem ir de trimestral. O ponto é manter o ciclo girando — era exatamente esse ciclo que faltava ao meu amigo distribuidor.
E uma palavra honesta: se você nem tem uma equipe de rotulagem, nem fale em construir o seu. Há serviços de verificação por visão por estação no mercado — compre uma estação, prove o valor e depois decida se constrói. O maior custo de um modelo caseiro nunca foram as GPUs. É a gente.
O que você pode fazer amanhã: ainda não comece um projeto. Escolha uma estação de verificação de picking, passe uma tarde fotografando seus SKUs principais algumas dezenas de cliques cada (ilustrativo) em condições normais, com luz lateral, danificados e empilhados — algumas centenas de fotos no total. Envie para uma plataforma de rotulagem para um lote de teste. Coloque no ar por uma semana e veja como se sai nos turnos reais. Se for bem, fale de expandir. Se não, você vai saber exatamente onde está o problema — e nove em cada dez vezes é variação não coberta, não falta de fotos.
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
