Detecção Automática de Ativos Elétricos com IA de Aprendizado Contínuo

Um sistema de visão computacional que fica mais preciso a cada inspeção de campo — sem depender de equipe de dados no cliente.

Validado pela IntellissisSetor: Energia ElétricaEm operação desde mar/2026
Imagem de campo original Detecção automática de 9 ativos elétricos AntesIA

Arraste para revelar a detecção automática — 9 ativos identificados: transformador, poste de concreto, chave fusível, rede MT/BT, iluminação pública.

O Desafio

Uma das maiores concessionárias de energia elétrica do Estado do Rio de Janeiro precisava catalogar automaticamente os equipamentos presentes em milhões de fotografias de campo — postes de concreto, ferro e madeira, transformadores, redes de média e baixa tensão, chaves fusíveis, placas de identificação e outros ativos críticos da infraestrutura elétrica.

O processo manual era lento, caro e não escalável. Pior: qualquer solução de IA convencional perderia precisão ao longo do tempo, à medida que novos equipamentos e condições de campo surgissem — exigindo retrabalho constante e dependência de especialistas externos. O desafio não era só detectar. Era entregar um sistema que continuasse aprendendo com a própria operação.

A Solução: Sistema + Método + Ferramenta

Sistema — Aprendizado Contínuo

Cada inspeção gera dados que retroalimentam o modelo. Operadores validam ou corrigem as detecções, e esse feedback dispara automaticamente um novo ciclo de retreinamento. O modelo mais preciso é promovido para produção sem intervenção manual.

Método — Pipeline Estruturado

Da indexação do acervo à anotação assistida, treinamento auditável, promoção automática do melhor modelo e loop de feedback operacional. Um processo replicável da coleta à produção.

Ferramenta — Integração Real

API REST em produção e SDK .NET/C# integrados aos sistemas Windows da concessionária — sem migração de infraestrutura. A equipe passou a usar IA sem perceber que lidava com machine learning.

A IA em ação

Arraste cada imagem para comparar a foto original com a detecção automática.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

9 detecções simultâneas em ambiente urbano.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Rede de média e baixa tensão com transformador.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Poste de concreto e iluminação pública.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Infraestrutura urbana com múltiplos ativos.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Rede spacer — variação de infraestrutura urbana.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Classe rara: interruptor + placa de identificação.

Imagem de campo original Detecção automática de ativos elétricos AntesIA

Cobertura de ativos em via pública.

Grid das 17 classes de ativos detectadas

As 17 classes de ativos detectadas — de postes e transformadores a religadores e concentradores.

17 classes + OCR automático

Além de detectar 17 tipos de ativos, o sistema lê automaticamente o texto em placas de identificação — extraindo potência, fabricante e tombamento do equipamento.

Placa original OCR lendo a placa ROMAGNOLI AntesOCR

Placa "ROMAGNOLI" lida automaticamente pelo sistema.

Onde o sistema já operou

Cada ponto representa um poste processado pela IA — cobrindo regiões urbanas, rurais e de proteção ambiental do estado do Rio de Janeiro.

Mapa de cobertura — cada ponto é um poste processado

Em números

Dados extraídos diretamente dos bancos de produção em junho/2026.

0
imagens processadas
0
precisão mAP50 (%)
0
taxa de sucesso (%)
0
classes de ativos
0
versões de modelo
0
meses ininterruptos

O modelo que ensina a si mesmo

A precisão saltou de 49,7% para 85,6% — um ganho de 72% impulsionado pelos dados da própria operação.

45%60%75%90% 49,7%60,6%85,6%v1v4v5v5.2v5.3
VersãomAP50
v1 (bootstrap)49,7%
v452,7%
v560,6%
v5.283,8%
v5.3 (atual)85,6%

Tecnologias utilizadas

Visão ComputacionalActive LearningOCRAPI RESTSDK .NET / C#PythonMachine Learning

Tem um problema que dados
e imagens poderiam resolver?

Nosso modelo — Sistema + Método + Ferramenta — é replicável em qualquer setor com volumes de dados visuais ou documentais a processar de forma inteligente e contínua.

Falar com um especialista
Fale conosco