Aplicação de MLLM na identificação automática de riscos em engenharia elétrica

uma abordagem multimodal para segurança ocupacional

Resumo

Este artigo apresenta uma aplicação de Modelos de Linguagem Grandes Multimodais (MLLM) na identificação automática de riscos em Engenharia Elétrica, utilizando o modelo BLIP (Bootstrapping Language-Image Pre-training) para legendagem de imagens relacionadas a ambientes de trabalho com linhas de transmissão. A pesquisa explora a capacidade destes modelos em reconhecer elementos de risco e equipamentos de proteção através da integração de visão computacional e processamento de linguagem natural. A metodologia empregou o modelo Salesforce/blip-image-captioning-base em sua configuração padrão, aplicado a imagens representativas de situações reais em campo, com foco específico na detecção de trabalhadores próximos a linhas de energia. Os resultados demonstraram a eficácia do sistema em identificar com precisão a presença de trabalhadores em zonas de risco, bem como contextualizar a situação em relação às linhas de transmissão. A análise qualitativa das legendas geradas revela potencial significativo para incorporação desta tecnologia em sistemas de monitoramento de segurança, análise preventiva de riscos e documentação automática de situações potencialmente perigosas no setor elétrico. O estudo contribui para o avanço das aplicações de inteligência artificial na prevenção de acidentes elétricos e na promoção da segurança ocupacional em ambientes de alto risco.