IDENTIFICAÇÃO DE OBJETOS EM AMBIENTE HOSPITALAR PARA AUXÍLIO NA NAVEGAÇÃO DE ROBÔS MÓVEIS AUTÔNOMOS

Introdução: A visão computacional embarcada em robôs móveis autônomos representa uma área de crescente interesse para aplicações hospitalares, onde a identificação precisa de objetos é fundamental para navegação segura e eficiente. Com o avanço das tecnologias de deep learning e o desenvolvimento de plataformas embarcadas mais potentes, torna-se viável implementar algoritmos complexos de detecção de objetos em dispositivos com limitações computacionais. Objetivos: O presente trabalho teve como objetivo geral realizar uma análise comparativa de algoritmos de visão computacional para identificação de objetos em ambiente hospitalar, avaliando especificamente sua viabilidade para execução em tempo real quando embarcados na plataforma Jetson Nano. Os objetivos específicos incluíram: comparar o desempenho dos algoritmos YOLOv4, YOLOv5, YOLOv8 e CNNs tradicionais; avaliar a taxa de quadros por segundo como métrica de desempenho em tempo real; e determinar a eficiência de modelos otimizados com aceleração TensorRT. Materiais e método: A metodologia adotada envolveu inicialmente o levantamento bibliográfico dos algoritmos estado da arte em visão computacional, seguido pela definição de objetos hospitalares relevantes para navegação robótica autônoma. Os modelos foram treinados utilizando dataset público disponibilizado pela plataforma Roboflow, e posteriormente submetidos à avaliação prática diretamente no equipamento embarcado Jetson Nano. A métrica principal utilizada foi a taxa de quadros por segundo para mensurar o desempenho em tempo real dos diferentes algoritmos. Resultados: Os experimentos demonstraram que modelos otimizados como YOLOv5s e MobileDetectNet apresentaram desempenho superior para execução embarcada, especialmente quando utilizados com aceleração TensorRT. O YOLOv5s otimizado alcançou aproximadamente 27 quadros por segundo, enquanto modelos mais complexos como YOLOv4 apresentaram limitações significativas de desempenho computacional. Considerações finais: A pesquisa confirmou a viabilidade de implementar algoritmos de visão computacional embarcados para identificação de objetos hospitalares de forma eficiente e em tempo real, contribuindo para o avanço do uso de visão computacional embarcada em sistemas robóticos autônomos e fornecendo uma base comparativa útil para futuras aplicações em ambientes hospitalares.

Palavras-chave: Visão computacional; Robôs móveis autônomos; Ambiente hospitalar; YOLO; Jetson Nano.