Evolução e desempenho de algoritmos de detecção de objetos em ambientes dinâmicos

Abstract

Este trabalho apresenta um estudo aprofundado sobre a evolução e o desempenho das arquiteturas da família YOLO (You Only Look Once), amplamente utilizadas em tarefas de detecção de objetos em tempo real. A pesquisa tem como objetivo compreender como as modificações estruturais introduzidas nas versões mais recentes — YOLOv8, YOLOv9, YOLOv10 e YOLOv11 — impactam a precisão, a estabilidade de treinamento, a velocidade de inferência e o custo computacional em ambientes dinâmicos, caracterizados por variação de iluminação, movimento e sobreposição de objetos. Os experimentos foram conduzidos em ambiente controlado com parâmetros idênticos de treinamento, avaliando métricas como precisão, revocação, F1-score, mAP@0.5 e mAP@0.5:0.95. O YOLOv8 apresentou o melhor equilíbrio entre desempenho e estabilidade (mAP@0.5:0.95 = 0,801), enquanto o YOLOv11 destacou-se pela eficiência e menor tempo de execução, mantendo alta consistência. O YOLOv9 obteve maior sensibilidade, porém com custo computacional elevado, e o YOLOv10 mostrou-se ideal para aplicações em tempo real devido à remoção do Non-Maximum Suppression (NMS). Conclui-se que a evolução da série YOLO reflete um movimento contínuo em direção à otimização da eficiência computacional sem perda significativa de desempenho, representando avanços importantes para aplicações em sistemas embarcados, vigilância inteligente, robótica e veículos autônomos. Este estudo reforça a relevância da análise comparativa de arquiteturas como ferramenta essencial para orientar o uso de modelos de detecção conforme as necessidades de precisão, velocidade e recursos disponíveis.

This work presents an in-depth study on the evolution and performance of the YOLO (You Only Look Once) architecture family, widely employed in real-time object detection. The main goal is to understand how the structural improvements introduced in recent versions — YOLOv8, YOLOv9, YOLOv10, and YOLOv11 — affect accuracy, training stability, inference speed, and computational cost in dynamic environments, characterized by motion, lighting variation, and object overlap. Experiments were performed in a controlled environment using identical training parameters, analyzing metrics such as precision, recall, F1-score, mAP@0.5, and mAP@0.5:0.95. YOLOv8 achieved the best balance between accuracy and stability (mAP@0.5:0.95 = 0.801), while YOLOv11 stood out for its computational efficiency and shorter training time. YOLOv9 showed higher sensitivity but required more resources, and YOLOv10 proved effective for real-time scenarios with its NMS-free detection strategy. The findings indicate that the evolution of the YOLO series represents a consistent trend toward greater computational efficiency without significant loss in detection accuracy, reinforcing its suitability for embedded systems, autonomous vehicles, robotics, and intelligent surveillance applications. Moreover, the comparative analysis conducted in this study contributes to understanding how each architectural innovation impacts practical deployment and scalability in modern computer vision systems.