Um sistema de visão computacional que fica mais preciso a cada inspeção de campo — sem depender de equipe de dados no cliente.
Arraste para revelar a detecção automática — 9 ativos identificados: transformador, poste de concreto, chave fusível, rede MT/BT, iluminação pública.
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.
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.
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.
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.
Arraste cada imagem para comparar a foto original com a detecção automática.
9 detecções simultâneas em ambiente urbano.
Rede de média e baixa tensão com transformador.
Poste de concreto e iluminação pública.
Infraestrutura urbana com múltiplos ativos.
Rede spacer — variação de infraestrutura urbana.
Classe rara: interruptor + placa de identificação.
Cobertura de ativos em via pública.

As 17 classes de ativos detectadas — de postes e transformadores a religadores e concentradores.
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 "ROMAGNOLI" lida automaticamente pelo sistema.
Cada ponto representa um poste processado pela IA — cobrindo regiões urbanas, rurais e de proteção ambiental do estado do Rio de Janeiro.

Dados extraídos diretamente dos bancos de produção em junho/2026.
A precisão saltou de 49,7% para 85,6% — um ganho de 72% impulsionado pelos dados da própria operação.
| Versão | mAP50 |
|---|---|
| v1 (bootstrap) | 49,7% |
| v4 | 52,7% |
| v5 | 60,6% |
| v5.2 | 83,8% |
| v5.3 (atual) | 85,6% |
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