Capacete todo mundo checa. É o primeiro que o fiscal procura, o primeiro que a câmera pega, o primeiro que virou modelo de IA. Só que olha a estatística de acidente: mão, olho e pé são onde o acidente grave mora — corte, queimadura, esmagamento. E quase nenhum modelo aberto detecta esses EPIs.

Então vem o segundo da série: hoje a raqIA libera o EPI-2 — um detector que vê luva, óculos de proteção e bota. E mais útil que isso: vê a mão sem luva, o rosto sem óculos e o pé sem bota. Não é detector de presença — é detector de falta.

O que ele faz

Seis classes, três pares:

Em vídeo vira monitor contínuo: frame a frame, quem tá desprotegido aparece marcado em vermelho. Roda na câmera que já existe, em CPU ou edge box — sem nuvem, sem GPU cara, sem mandar imagem pra fora.

EPI-2 em cena real de packing: caixas verdes marcam mãos com luva, vermelhas marcam mãos sem luva
EPI-2 rodando numa linha de packing real. Verde = EPI presente, vermelho = EPI ausente.
Vídeo: o modelo processando imagens do split de validação — sem edição, sem cherry-pick.

Por que um segundo modelo tão rápido

Sinceramente: porque o primeiro funcionou. O EPI-1 (capacete/colete) saiu semana passada e a resposta foi melhor que a nossa projeção — baixaram, testaram, e apareceu até empresa de fora do país querendo conversar sobre parceria. Modelo aberto não é caridade: é a forma mais honesta de provar que a gente sabe o que tá fazendo.

EPI-1 cobre a cabeça e o tronco. EPI-2 cobre as extremidades. Juntos, os dois já mapeiam o essencial do checklist de segurança visual de uma planta.

A parte técnica

Mesma receita que deu certo no EPI-1: arquitetura RF-DETR (Apache-2.0), treinado desta vez num dataset público de 28,8 mil imagens com 14 classes de EPI, do qual selecionamos e rebalanceamos as seis que nos interessam. Sai nos dois formatos:

Licença Apache-2.0 de novo. Usa em produto, vende serviço em cima, modifica. Pede só o aviso de copyright.

Métricas e limitações

Medidas no split de validação (4.349 imagens que o modelo nunca viu no treino), checkpoint da época 2: mAP50 0,599, precisão 0,678, recall 0,591 e mAP50:95 0,301. Detalhe completo no model card.

E o lado honesto, como sempre:

Como baixar

Baixar o EPI-2 no HuggingFace ↗

Rodar é duas linhas:

pip install onnxruntime opencv-python
python infer.py --model epi-2.onnx --input seu_video.mp4

E na sua empresa?

Série aberta é vitrine técnica. O que roda em cliente é isso treinado nas imagens da sua planta, com os EPIs do seu padrão, integrado no seu fluxo de alerta. Baixou e quase resolveu? O "quase" é o nosso trabalho.

Quer ver detecção de EPI no vídeo da sua planta?

Manda um trecho — a gente roda e devolve o que ele enxerga.

Falar no WhatsApp