Estudantes de Engenharia da Computação desenvolveram um projeto acadêmico voltado à prevenção de acidentes de trânsito. A proposta é detectar, em tempo real, sinais de sonolência no motorista.
A solução combina inteligência artificial, visão computacional e o modelo YOLO. A partir da análise de imagens e vídeos, o sistema classifica o condutor em dois estados: acordado ou sonolento.
O projeto responde a um problema de grande dimensão. Segundo a Organização Mundial da Saúde (OMS), cerca de 1,19 milhão de pessoas morrem por ano em acidentes de trânsito no mundo. A fadiga e a sonolência comprometem a atenção, o tempo de reação e a capacidade de condução, o que torna essencial a busca por tecnologias que contribuam para a segurança viária.
Durante o trabalho, os estudantes atuaram com treinamento de modelos, data augmentation (aumento de dados), transfer learning (aprendizado por transferência) e testes práticos de detecção em tempo real. Segundo um dos estudante, o processo permitiu compreender os desafios de precisão, desempenho e velocidade de resposta de sistemas baseados em inteligência artificial.
O projeto vai além da construção de um modelo funcional: representa a oportunidade de aplicar conhecimentos teóricos na solução de um problema real e de explorar como a tecnologia pode contribuir para a preservação de vidas. Ele afirma que a equipe segue aprendendo, testando e aprimorando a solução.
O trabalho foi produzido por Cauã de Souza, Bianca Brícia, Mateus Maia e Wellington Pinto Barra, com orientação do professor Daniel Pinheiro.
