Nova IA treinada com 5 milhões de imagens térmicas “enxerga” vazamentos de gás e falhas elétricas que os humanos não veem

Faça um comentário

5 min de leitura

Nova IA treinada com 5 milhões de imagens térmicas “enxerga” vazamentos de gás e falhas elétricas que os humanos não veem

Escrito por Ruth Rodrigues

Publicado em 25/09/2026 às 19:34

Atualizado em 25/09/2026 às 20:30

Ciência e Tecnologia

Canal

Seja o primeiro a reagir!

Prefira o CPG no Google

Raytron apresenta modelo de IA infravermelha treinado com mais de 5 milhões de amostras para interpretar imagens térmicas, detectar gases e reconhecer anomalias.

A Raytron apresentou na CIOE 2026 uma tecnologia de inteligência artificial desenvolvida para fazer sistemas de imagem térmica avançarem além da simples exibição de temperaturas. O novo Modelo de Visão-Linguagem Infravermelha, ou VLM, foi projetado para interpretar padrões presentes nas imagens captadas e relacioná-los a situações concretas, como vazamentos de gases, falhas elétricas e eventos observados em áreas monitoradas.

A proposta modifica o papel tradicional de uma câmera térmica. Em vez de apenas mostrar regiões mais quentes ou frias para que uma pessoa analise posteriormente, o sistema passa a usar inteligência artificial para reconhecer características da cena, identificar comportamentos fora do padrão e produzir interpretações sobre aquilo que foi registrado.

IA foi treinada especificamente para lidar com radiação infravermelha

Grande parte dos modelos de visão artificial existentes foi criada a partir de fotografias convencionais, nas quais objetos são identificados principalmente pela luz refletida. Imagens térmicas funcionam de outra maneira, pois registram a radiação emitida pelos corpos e revelam diferenças de temperatura que podem permanecer invisíveis ao olho humano.

ARTIGO CONTINUA ABAIXO

Veja também

A Raytron desenvolveu seu modelo levando essa diferença em consideração desde a etapa de treinamento. Segundo a companhia, foram utilizadas mais de cinco milhões de amostras proprietárias de dados infravermelhos multimodais.

Esse conjunto reúne situações distintas, como medição térmica em instalações industriais, visão noturna e identificação de substâncias gasosas. O sistema utiliza ainda um codificador visual dedicado ao infravermelho, responsável por extrair informações relacionadas à distribuição de calor e a outros sinais específicos dessa faixa do espectro.

Detecção de gases considera forma da pluma e ambiente ao redor

Uma das aplicações trabalhadas pela empresa está relacionada ao monitoramento de vazamentos. O treinamento incluiu registros de metano, etanol, dióxido de enxofre, hexafluoreto de enxofre e gases refrigerantes como R-134a e R-152a.

O objetivo não é apenas identificar uma mancha ou alteração na imagem. A tecnologia foi desenvolvida para considerar aspectos como formato da pluma, maneira como o gás se dispersa e possíveis interferências existentes no ambiente observado.

Essa capacidade ganha importância em áreas industriais, nas quais equipamentos, superfícies quentes e outras fontes térmicas podem criar sinais semelhantes entre si. Interpretar o contexto pode ajudar o sistema a diferenciar uma condição normal de uma situação que exige atenção.

Entre os cenários citados pela Raytron estão:

• inspeções em sistemas elétricos;
• monitoramento de perímetros;
• análise de vazamentos gasosos;
• medição de temperaturas em instalações industriais;
• aplicações de visão noturna.

Processamento pode acontecer dentro da própria câmera

Outro ponto apresentado pela Raytron é a possibilidade de executar os recursos de inteligência artificial diretamente no equipamento instalado em campo.

Em vez de enviar continuamente as imagens para servidores externos, parte da análise pode ser realizada localmente por chips capazes de acelerar o processamento. Essa arquitetura reduz a dependência de conexão permanente com serviços de nuvem e pode diminuir o intervalo entre a identificação de uma anomalia e a resposta do sistema.

Em uma instalação industrial, por exemplo, uma câmera poderia reconhecer uma elevação incomum de temperatura ou um padrão potencialmente perigoso no local em que está instalada, sem precisar aguardar a transmissão e o processamento dos dados em outra infraestrutura.

O processamento local também limita a quantidade de imagens que precisa deixar o dispositivo, característica relevante em ambientes nos quais informações operacionais e visuais exigem maior controle.

Falcon 500 reúne tratamento de imagem e inteligência artificial

A apresentação realizada na CIOE 2026 incluiu ainda o Falcon 500, terceira geração de um chip da Raytron voltado ao processamento de imagens infravermelhas.

Antes de uma imagem térmica ser analisada por um modelo de IA, os dados captados pelo detector podem exigir correções. Variações de temperatura do próprio equipamento, ruídos e diferenças entre sensores podem interferir no resultado bruto.

O Falcon 500 foi desenvolvido para executar etapas como redução de ruído, correção de não uniformidade e restauração da imagem. Na mesma plataforma, a empresa busca reunir medição precisa de temperatura, processamento visual, sensoriamento inteligente e inferência por inteligência artificial.

Câmera térmica passa de sensor a sistema de interpretação

A mudança proposta pela Raytron está menos na captura da imagem e mais no que acontece depois que ela é registrada. O sensor continua detectando radiação infravermelha, mas o processamento passa a acrescentar uma camada capaz de contextualizar aquilo que aparece na cena.

Isso pode reduzir a necessidade de manter cada imagem dependente exclusivamente de avaliação humana ou de softwares separados para diferentes tarefas. Um único sistema poderia tratar o sinal, analisar os padrões térmicos e indicar automaticamente uma condição considerada anormal.

A tecnologia apresentada ainda está associada a aplicações específicas demonstradas pela companhia, mas mostra uma possível evolução para os sistemas térmicos: transformar equipamentos usados tradicionalmente para enxergar diferenças de temperatura em dispositivos capazes de interpretar essas diferenças e relacioná-las ao ambiente em que estão operando.

Fonte

Interesting Engineering