O controlo de qualidade do vidro depende de inspetores humanos há mais de meio século. Um técnico treinado, de lupa na mão, a contar pequenos fragmentos um a um — era lento, fastidioso e inevitavelmente inconsistente. A inteligência artificial está a mudar tudo isso.
Os sistemas modernos de visão computacional conseguem analisar um provete de vidro partido em menos de 10 segundos, contar cada fragmento com precisão submilimétrica e gerar um relatório PDF conforme com a norma — tudo sem que uma pessoa pegue numa caneta. Veja como funciona e porque é importante.
O problema central: a contagem manual não escala
A EN 12150 exige que os fabricantes contem os fragmentos numa área de referência de 5×5 cm depois de partirem um provete de vidro. À primeira vista parece simples. Na prática, um único provete pode conter várias centenas de fragmentos, muitos deles sobrepostos ou em contacto pelos bordos.
Contagem manual
- 20–45 minutos por provete
- Variação entre operadores de 10–25%
- A precisão desce com a fadiga
- Sem registo de auditoria digital
- Difícil de escalar
Automatizado com IA
- 6–8 segundos por provete
- Variação <2% entre execuções
- Funcionamento consistente 24/7
- Geração instantânea de relatório PDF
- Pronto para integração com bases de dados
Como a visão computacional conta os fragmentos
O processo começa com a captura da imagem. Uma câmara de nível industrial — tipicamente de 12 megapixéis ou mais — fotografa o provete de vidro partido sob iluminação controlada e uniforme. A iluminação consistente é crítica: sombras e reflexos eram as principais fontes de erro de contagem nos primeiros sistemas automatizados.
1. Pré-processamento da imagem
A imagem em bruto é pré-processada para normalizar o brilho, realçar os bordos dos fragmentos e remover o ruído de fundo. A melhoria do contraste destaca as fronteiras entre fragmentos adjacentes, que é a parte computacionalmente mais difícil do problema — dois fragmentos em contacto por um bordo reto podem parecer um único objeto para um algoritmo ingénuo.
2. Segmentação de instâncias
Um modelo de aprendizagem profunda — tipicamente uma variante do Mask R-CNN ou uma arquitetura de segmentação treinada à medida — identifica cada fragmento individual como um objeto distinto. Ao contrário das abordagens simples de limiarização, as redes neuronais aprendem a separar fragmentos em contacto com base na curvatura da forma, nos gradientes dos bordos e em caraterísticas contextuais aprendidas com milhares de exemplos de treino.
3. Classificação dos fragmentos
Cada fragmento detetado é classificado por tamanho e forma. A EN 12150 não exige apenas uma contagem mínima — também restringe as «lascas» grandes que poderiam causar ferimentos. O modelo de IA assinala todos os fragmentos que excedem as dimensões permitidas, tornando automáticas as decisões de conformidade.
4. Seleção da zona de referência
A norma exige o ensaio da zona de pior caso de 5×5 cm — a área com menos fragmentos. O sistema analisa automaticamente todo o provete e identifica essa zona, eliminando a decisão subjetiva sobre onde colocar a grelha de contagem.
A combinação de iluminação consistente, modelos de segmentação treinados e deteção automática da pior zona elimina simultaneamente as três principais fontes de erro humano na contagem.
O que muda no chão de fábrica
O impacto operacional vai além da velocidade. Quando o ensaio demora 6 segundos em vez de 30 minutos, os fabricantes podem dar-se ao luxo de testar mais provetes — passando da amostragem estatística para uma inspeção próxima dos 100% nas linhas de produtos críticos. Os problemas são detetados mais cedo, o retrabalho diminui e o custo por unidade conforme desce.
A integração digital é igualmente importante. Os resultados fluem automaticamente para as bases de dados de gestão da qualidade, permitindo a rastreabilidade desde o lote de vidro em bruto até ao produto acabado. Quando surge uma auditoria ou uma reclamação de cliente, o registo completo de fragmentação pode ser consultado em segundos.
O papel dos relatórios multilingues
Os fabricantes de vidro fornecem cada vez mais mercados internacionais. Uma fábrica alemã que forneça vidro automóvel a fábricas de toda a Europa precisa de relatórios que satisfaçam gestores de qualidade em vários países — na sua própria língua e formato. Sistemas automatizados como o Victus geram relatórios PDF conformes em turco, inglês, alemão, francês, italiano e espanhol a partir dos mesmos dados de ensaio, com um único toque num botão.
O que procurar num sistema automatizado
Nem todos os analisadores automáticos são iguais. Ao avaliar sistemas, os fabricantes devem verificar:
- Resolução da câmara: mínimo de 12 MP para uma deteção fiável de fragmentos na extremidade pequena dos tamanhos da EN 12150.
- Controlo da iluminação: iluminação controlada integrada, sem depender da luz ambiente.
- Deteção da pior zona: identificação automática da zona de contagem mínima, em vez da colocação manual da grelha.
- Deteção de lascas: não apenas contagem — classificação de formas para detetar fragmentos de tamanho excessivo.
- Integração com bases de dados: ligação direta a MySQL, MSSQL ou PostgreSQL sem middleware.
- Formato do relatório: saída PDF padronizada que satisfaça os requisitos de auditoria.