Tecnologia assistiva: reconhecimento de objetos residenciais e sintetização de voz utilizando Inteligência Artificial

Abstract

A inteligência artificial (IA) tem sido empregada para ampliar acessibilidade, especialmente no apoio a pessoas com deficiência visual, por meio de soluções capazes de interpretar o ambiente e fornecer retorno por voz. Inserido nesse contexto, este trabalho apresenta um protótipo embarcado de baixo custo para reconhecimento de objetos em ambientes domésticos, operando off-line e em tempo real. A solução é composta por uma Raspberry Pi Zero 2 W com câmera, classificadores em cascata (Haar) treinados no OpenCV e um módulo de síntese de voz em pt-BR que anuncia os objetos detectados por meio de um amplificador I²S e alto-falante externo. O pipeline implementado inclui captura, pré-processamento, detecção, confirmação temporal e audiodescrição; as decisões de engenharia priorizam simplicidade, privacidade e baixa latência no dispositivo. A dissertação também apresenta uma revisão do estado da arte em visão computacional e tecnologias assistivas, situando a proposta em relação a soluções existentes e a modelos leves para execução embarcada. Em avaliações controladas e em cenários domésticos reais, o protótipo demonstrou desempenho consistente para classes comuns e latência reduzida; foram observadas limitações em baixa iluminação, objetos de contorno fino e superfícies reflexivas. Como contribuições, o trabalho oferece uma arquitetura replicável e um conjunto inicial de classificadores treinados; como trabalhos futuros, propõem-se a ampliação do conjunto de dados, ajustes de pré-processamento e a investigação de modelos compactos adicionais para robustez em campo.

Artificial intelligence (AI) has been used to enhance accessibility, especially in supporting people with visual impairments through solutions capable of interpreting the environment and providing voice feedback. In this context, this work presents a low-cost embedded prototype for object recognition in domestic environments, operating offline and in real time. The proposed solution consists of a Raspberry Pi Zero 2 W with a camera, Haar cascade classifiers trained with OpenCV, and a Brazilian Portuguese text-to-speech module that announces the detected objects through an I²S amplifier and an external speaker. The implemented pipeline includes image capture, preprocessing, detection, temporal confirmation, and audio description. The engineering decisions prioritize simplicity, privacy, and low latency on the device. This dissertation also presents a review of the state of the art in computer vision and assistive technologies, positioning the proposed approach in relation to existing solutions and lightweight models suitable for embedded execution. In controlled evaluations and real domestic scenarios, the prototype demonstrated consistent performance for common object classes and reduced latency; however, limitations were observed under low-light conditions, with thin-contour objects, and reflective surfaces. As contributions, this work provides a replicable architecture and an initial set of trained classifiers. As future work, the expansion of the dataset, preprocessing improvements, and the investigation of additional compact models are proposed to increase robustness in real-world conditions.