Uma abordagem inteligente para detecção precoce de fumaça/fogo usando sensores visuais em cidades inteligentes

Por que observar fumaça importa nas cidades inteligentes

Em cidades modernas e densas, um pequeno fiapo de fumaça pode rapidamente se transformar em um incêndio mortal que ameaça pessoas, edifícios e serviços essenciais. Alarmes de incêndio tradicionais frequentemente reagem tardiamente ou disparam por motivos errados, como vapor de banho ou fumaça de cozinha. Este artigo apresenta um novo sistema baseado em câmeras que pode detectar fumaça e fogo de forma precoce e precisa, dando às equipes de emergência minutos preciosos a mais para responder. Ele combina os avanços mais recentes em inteligência artificial para monitorar ruas, áreas florestais na periferia e espaços públicos, ajudando a tornar as cidades inteligentes mais seguras e resilientes.

O problema com os alarmes de incêndio atuais

Os sistemas de detecção convencionais dependem de sensores de calor, gás ou fumaça dentro dos edifícios. Esses dispositivos precisam estar próximos às chamas antes de reagirem, o que pode atrasar os alarmes justamente quando cada segundo conta. Eles também sofrem com muitos falsos positivos causados por fontes inofensivas, como poeira, vapor ou vapores de cozinha, que desperdiçam recursos e corroem a confiança pública. A detecção ao ar livre é ainda mais difícil: a fumaça se parece com nuvens, névoa ou sombras, e pode mudar de forma e densidade rapidamente. Sensores fixos cobrem apenas pequenas áreas, deixando pontos cegos em cenários urbanos grandes ou complexos, como parques, locais industriais e hubs de transporte.

Câmeras e visão mais inteligente como nova rede de segurança

À medida que câmeras digitais e dispositivos em rede se tornaram mais baratos e potentes, pesquisadores voltaram-se para a visão computacional — ensinar máquinas a “ver” como humanos — para identificar fumaça e chamas. Sistemas anteriores usavam truques manuais, como procurar manchas acinzentadas ou cores tremulantes, mas essas regras falhavam sob mudanças de luz, clima ou fundo poluído. Métodos de aprendizado profundo, que aprendem padrões diretamente a partir de grandes coleções de imagens, melhoraram a detecção, ainda que muitos deles ainda foquem em detalhes locais pequenos e percam sinais fracos ou iniciais de fumaça. Outros são precisos, mas lentos ou pesados demais para rodar em tempo real na infraestrutura urbana.

Um vigilante de IA em duas etapas para fogo e fumaça

O estudo introduz uma estrutura inteligente que combina duas ideias poderosas de IA em um único fluxo. Primeiro, um Vision Transformer — um método de análise de imagem adaptado de modelos de linguagem — divide cada quadro da câmera em muitos pequenos blocos e analisa como eles se relacionam em toda a cena. Essa visão global ajuda a notar sinais sutis de fumaça, como gradientes suaves de cor, texturas enevoadas e bordas difusas que se estendem por grandes áreas. Em seguida, essas pistas visuais ricas são passadas ao YOLOv8, um detector de ação rápida projetado para desenhar caixas ao redor de objetos de interesse. O YOLOv8 identifica as regiões exatas onde aparecem fumaça ou chamas abertas e o faz rápido o suficiente para acompanhar transmissões de vídeo ao vivo.

Testando o sistema

Para avaliar o desempenho desse vigilante em duas etapas, os autores o treinaram e avaliaram em mais de 7.700 imagens cuidadosamente rotuladas, extraídas de duas grandes coleções públicas que incluem ruas da cidade, edifícios e áreas florestais sob diversas condições de iluminação e clima. A variedade foi ampliada ainda mais rotacionando, espelhando e clareando imagens para simular cenas diurnas e noturnas e diferentes ângulos de visão. Em imagens de teste inéditas, o sistema reconheceu corretamente fumaça e fogo em mais de 99% dos casos e equilibrou de forma notável eventos perdidos e falsos alarmes. Também processou cada quadro em cerca de 45 milissegundos — aproximadamente 22 quadros por segundo — rápido o suficiente para monitoramento em tempo real em centros de controle ou em dispositivos conectados.

Como essa abordagem se destaca

Em comparação com outros métodos avançados, incluindo versões anteriores da mesma família de detectores e vários ensembles de aprendizado profundo, a nova arquitetura entrega maior precisão e melhor localização das áreas de risco. Ao combinar um modelo que entende a cena mais ampla com outro que se destaca em marcar objetos de forma rápida e precisa, reduz a confusão causada por aparentes semelhantes, como neblina, roupas com cor de fumaça ou imagens de fogo em telas. Ao mesmo tempo, seu tamanho moderado e design eficiente tornam-no mais prático para implantação em sistemas reais de cidades inteligentes, onde recursos computacionais e largura de banda de rede podem ser limitados.

O que isso significa para a segurança do dia a dia

Para o público em geral, a conclusão é que câmeras em cidades inteligentes podem fazer muito mais do que gravar imagens para revisão posterior — elas podem ajudar a prevenir desastres enquanto acontecem. O sistema proposto demonstra que, ao fundir compreensão visual ampla com detecção rápida, é possível identificar incêndios em seus estágios mais iniciais, reduzir falsos alarmes e apoiar respostas de emergência mais rápidas e melhor direcionadas. Com trabalho adicional para lidar com condições climáticas extremas, cenas noturnas e dados de sensores adicionais, ferramentas semelhantes podem se tornar parte central das redes de segurança urbana, vigiando discretamente residências, florestas e espaços públicos para impedir que fagulhas pequenas se tornem grandes desastres.

Citação: Abozeid, A., Alanazi, R. An intelligent approach for early smoke/fire detection using vision sensors in smart cities. Sci Rep 16, 11387 (2026). https://doi.org/10.1038/s41598-026-42762-y

Palavras-chave: detecção de incêndio, detecção de fumaça, cidades inteligentes, visão computacional, aprendizado profundo