Monitoramento de Visão Industrial em Ambiente Industrial
Introdução
A segurança industrial e em canteiros de obras depende de saber o que está acontecendo no chão de fábrica — em tempo real, não apenas depois de um incidente. Câmeras estão em todos os lugares, mas a maioria das configurações ainda depende de revisão manual. A IA de visão industrial fecha essa lacuna: detecta se há trabalhadores presentes, se os EPIs obrigatórios estão sendo usados e se comportamentos inseguros aparecem na cena, então gera alertas imediatamente na borda.
Este wiki implementa uma demonstração de referência de monitoramento de segurança industrial em dispositivos Seeed Industrial Jetson. Uma câmera USB faz streaming para o navegador; o YOLO cuida da detecção de pessoas e de EPI, e um VLM analisa riscos de comportamento. Ambas as famílias de modelos são intercambiáveis — o repositório é um ponto de partida, não está preso a um único checkpoint.
| reComputer Industrial J4012 | reServer Industrial J4011 |
|---|---|
 |  |
Verificado em reComputer Industrial J4012 e reServer Industrial J4011 com JetPack 7.2.
Visão geral
| Camada | Função |
|---|---|
| YOLO | Detecção de pessoas (caixas verdes) e violações de EPI, como ausência de capacete ou colete (caixas vermelhas) |
| VLM | Alertas de comportamento em nível de cena — uso de telefone, fumo, quedas, fogo/fumaça e mais |
Abra http://<jetson-ip>:8080 em um navegador para vídeo ao vivo via WebRTC, sobreposições de detecção e um feed de alertas.
Hardware compatível
| Item | Configuração |
|---|---|
| Dispositivos | reComputer Industrial, reServer Industrial |
| Verificado | reComputer Industrial J4012, reServer Industrial J4011 · JetPack 7.2 (L4T 39.2.0) |
| JetPack | 7.2 verificado · 6.2 esperado como compatível · abaixo de 6.2 requer wheels de PyTorch manuais |
| RAM / Disco | Mínimo de 8 GB de RAM · 8 GB de disco livre |
| Câmera | USB UVC / V4L2 (/dev/video*) |
Testado em reComputer Industrial J4012 e reServer Industrial J4011 com JetPack 7.2. Os mesmos passos se aplicam a outros dispositivos Seeed Industrial Jetson com uma versão correspondente do JetPack.
Instalação
Clone o repositório e execute o script de um clique no Jetson de destino:
git clone https://github.com/xbs0325/industrial-inspection.git
cd industrial-inspection
./run.sh
./run.sh copia .env se estiver ausente, baixa os modelos, cria a imagem Docker (primeira execução 15–30 min) e inicia os containers.
Depois abra:
http://<jetson-ip>:8080
O aplicativo é executado inteiramente em Docker — nenhuma configuração manual de Python no host é necessária para o fluxo de trabalho padrão.
Observações sobre JetPack
| JetPack | PyTorch |
|---|---|
| 7.2 | Instalado automaticamente durante a criação da imagem Docker (TORCH_INDEX_URL=cu130) |
| 6.2 | Defina TORCH_INDEX_URL para o índice CUDA 12.x correspondente ou coloque wheels compatíveis em wheels/ |
| Abaixo de 6.2 | Coloque torch-*.whl / torchvision-*.whl compatíveis com Jetson em wheels/ antes de ./run.sh |
Após alterar arquivos relacionados ao JetPack, recrie a imagem no dispositivo de destino:
./clean.sh && ./run.sh
Consulte Install Pytorch for reComputer Jetson para fontes de wheels.
Não copie imagens Docker entre dispositivos com versões diferentes de JetPack ou CUDA. Sempre recrie a imagem no Jetson de destino.
Ajustes opcionais em .env
CAMERA_PIPELINE=sw # sw (default) or hw
Resultados da demonstração
Interface ociosa antes de o fluxo da câmera iniciar.
Alerta de comportamento do VLM — uso de telefone na área de trabalho.
Alerta de EPI do YOLO — ausência de capacete de segurança.
Modelos usados nesta demonstração
A versão padrão é fornecida com os checkpoints abaixo. Você pode substituí-los por outros modelos YOLO ou VLM atualizando a configuração do repositório e o diretório models/.
| Função | Modelo padrão | Arquivo |
|---|---|---|
| Detecção de pessoas | YOLOv8n | models/yolov8n.onnx |
| Detecção de EPI | YOLOv8 PPE | models/ppe-yolov8n.pt |
| Análise de comportamento | SmolVLM-500M-Instruct | models/SmolVLM-500M-Instruct/ |
Os modelos são baixados automaticamente na primeira execução de ./run.sh ou manualmente via ./scripts/download_models.sh.
Parar e limpar
./clean.sh # stop containers and remove local image
./clean.sh --full # also remove models/, data/, bin/go2rtc
Solução de problemas
| Problema | Solução |
|---|---|
| Permissão negada do Docker | Adicione o usuário ao grupo docker ou use sudo docker |
| Primeira criação lenta | Normal (15–30 min). No JetPack 6.2 ou anterior, coloque wheels em wheels/ |
| Incompatibilidade entre PyTorch / CUDA | Recrie a imagem no Jetson de destino; não reutilize imagens de outro JetPack |
| Câmera não está no container | Confirme /dev/video* no host; ./run.sh monta automaticamente as câmeras detectadas |
| Sem vídeo no navegador | Verifique docker ps para industrial-go2rtc; a porta 1984 deve estar acessível |
Recursos
Suporte técnico e discussão de produtos
Obrigado por escolher produtos Seeed Studio! Para suporte técnico e discussão de produtos, utilize os seguintes canais: