Uso de técnicas de Deep Learning na detecção de atenção para aumento da confiabilidade humana na indústria de óleo e gás

Abstract

A sonolência constitui um dos principais fatores de risco em operações industriais críticas, especialmente em ambientes (plataformas) offshore da indústria do petróleo e gás, nos quais a degradação do estado de alerta pode comprometer a integridade operacional e a segurança dos trabalhadores. Neste contexto, o presente Trabalho de Conclusão de Curso apresenta o desenvolvimento do DrowsinessNET, um sistema computacional projetado para a detecção de sonolência em tempo real a partir de imagens faciais e sinais eletroencefalográficos (EEG). A solução foi implementada em plataforma Streamlit, estruturando um fluxo completo de aquisição, pré-processamento, inferência e visualização, adequado à aplicação prática em cenários industriais. Para a análise baseada em vídeos, adotou-se a arquitetura ResNet50, refinada para identificar indicadores visuais de sonolência associados à dinâmica palpebral. A escolha pela ResNet50 deve-se à sua profundidade otimizada por conexões residuais, que reduzem o problema de os pesos da rede serem muito grandes ou muito pequenos e permitem extrair padrões complexos mesmo em datasets moderados, além de ser amplamente validada em aplicações de visão computacional relacionadas a detecção facial, microexpressões e análise ocular. No processamento de EEG, sinais do canal C4 foram segmentados em janelas de 1 s e classificados por meio de um modelo Support Vector Machines (SVM). A utilização do SVM justifica-se por sua robustez em cenários com número limitado de amostras, boa capacidade de generalização em espaços de alta dimensionalidade e desempenho consistente em problemas biomédicos. Adicionalmente, avaliou-se uma abordagem de fusão multimodal, combinando as predições dos módulos de vídeo e EEG no mesmo classificador ResNet50, com o objetivo de explorar complementaridades entre características comportamentais e neurofisiológicas. O desempenho dos modelos foi mensurado exclusivamente pela métrica de acurácia, considerando diferentes regimes operacionais. Os resultados obtidos demonstram acurácia de 77,2% no módulo de vídeo offline, 80,4% no módulo unimodal de EEG e 92,5% na abordagem de fusão multimodal, que apresentou redução expressiva de erros de classificação. No modo online, utilizando captura via webcam, a arquitetura ResNet50 atingiu 71,0%, evidenciando impacto de variações de iluminação, oclusões faciais e limitações do hardware de aquisição.