França, Maria Bernadete de MoraisSantos, Ítalo Stresser dos2026-09-012026-09-012026-02-26https://repositorio.uel.br/handle/123456789/19860Anualmente, milhões de pessoas sofrem acidentes ou doenças relacionadas ao trabalho, resultando em altos índices de mortalidade e afastamentos, tanto no cenário global quanto no brasileiro. Entre as medidas fundamentais para reduzir esses números está o uso adequado dos Equipamentos de Proteção Individual (EPIs). No entanto, a fiscalização presencial ou por videomonitoramento apresenta limitações que motivam a busca por soluções automatizadas. Diante disso, este trabalho desenvolve e avalia soluções voltadas à inspeção automatizada do uso de equipamentos de proteção individual, utilizando algoritmos de visão computacional aplicados à detecção do uso de capacetes de segurança em vídeos. O sistema emprega técnicas de filtragem temporal e rastreamento de objetos (BoT-SORT e StrongSORT) para mitigar falsos alarmes, enquanto um conjunto de dados foi compilado para o treinamento do modelo, visando aumentar sua precisão em cenários reais. Diferentemente de trabalhos que propõem novas arquiteturas de redes neurais ou novos conjunto de dados, este estudo concentra-se na implementação de mecanismos de filtragem de erros de detecção, na análise comparativa de algoritmos de rastreamento e na condução de experimentos sob restrições de hardware, buscando aproximar o sistema de cenários de aplicação real em monitoramento preventivo automatizado. Os resultados mostram que o modelo treinado com o conjunto de dados desenvolvido superou outros da área em métricas de mAP e também em testes externos, com cenários distintos das imagens de treinamento. A filtragem de falsos alarmes por quadros sequenciais resultou na mitigação do disparo de alarmes em trechos de detecções errôneas, tornando os alarmes mais confiáveis. De forma semelhante, o uso dos rastreadores contribuiu para a eficácia na mitigação de alarmes indevidos. Contudo, os resultados comparativos demonstram seu impacto no tempo de processamento e também sobre os algoritmos de reidentificação por CNN. Por fim, também foi possível observar desafios de detecção em situações como o uso de bonés e o distanciamento da câmeraporDetecção de EPISegurança no TrabalhoDataset CapacetesAutomação de InspeçõesAcidentes de trabalho - monitoramento preventivoEquipamentos de proteção individualDissertaçãoEngenharias - Engenharia ElétricaEngenharias - Engenharia ElétricaPPE DetectionOccupational SafetyHelmet DatasetInspection AutomationOccupational Accidents - Preventive monitoringPersonal Protective Equipment