Visual vehicle condition screening for ride-hailing: a grouped evaluation of DriveAI

Todos os dias, milhões de pessoas dependem de aplicativos de transporte para ir de um lugar a outro. Antes que um carro seja autorizado a transportar passageiros, ele deve passar por uma verificação de segurança. Geralmente, isso envolve um humano olhando fotos do veículo para detectar amassados, arranhões ou peças ausentes. Mas tirar essas fotos é um negócio problemático. Um motorista pode tirar uma foto com o celular sob luz solar intensa, em sombras profundas ou de um ângulo que corte um para-choque danificado. As imagens variam drasticamente em qualidade, tornando difícil para um inspetor humano saber se um carro está realmente seguro ou se a foto apenas parece ruim. Para resolver isso, pesquisadores estão construindo sistemas de computador que podem olhar para essas fotos bagunçadas e decidir se um veículo está em boas condições ou se precisa de uma inspeção mais detalhada. Este campo, conhecido como avaliação visual de condição, tenta ensinar máquinas a enxergar o que um inspetor humano vê, mesmo quando a iluminação é precária ou o ângulo é estranho.

Em um estudo recente, um pesquisador chamado Akadil Alish, da Universidade de TI de Astana, submeteu uma ferramenta de software específica chamada DriveAI a testes rigorosos. Essa ferramenta foi projetada para atuar como um primeiro filtro para empresas de transporte. Seu trabalho é escanear uma foto enviada e decidir: este carro está intacto ou está danificado? O sistema funciona em duas partes. Primeiro, utiliza um cérebro computacional poderoso e pré-treinado, que já aprendeu a reconhecer objetos e cenas a partir de milhões de imagens. Esta parte do sistema não aprende com as fotos dos carros em si; ela simplesmente transforma cada imagem em um resumo matemático de suas características visuais. Em seguida, uma camada simples e feita sob medida senta-se sobre esse resumo para tomar a decisão final. Se o sistema detectar um problema, ele também pode desenhar um contorno aproximado na foto para mostrar onde a sujeira ou o dano pode estar, embora esta segunda parte não tenha sido o foco principal do teste.

O estudo começou com um desafio: os dados que os pesquisadores tinham eram um pouco desorganizados. Eles encontraram mais de 4.000 fotos em um sistema de armazenamento digital, mas algumas estavam faltando, outras eram duplicatas e algumas eram apenas visualizações diferentes do mesmo carro. Para realizar um teste justo, a equipe limpou a coleção. Eles removeram 24 imagens duplicadas e agruparam fotos que pareciam visualmente semelhantes, garantindo que o computador fosse testado em imagens únicas, em vez de ver o mesmo carro duas vezes em pastas diferentes. Eles terminaram com um conjunto de 871 fotos para usar como teste final, as quais o computador nunca havia visto antes. O objetivo era ver se o sistema conseguiria identificar corretamente veículos danificados sem ser enganado por má iluminação ou ângulos estranhos.

Os resultados foram surpreendentemente fortes. Quando o computador analisou as 871 fotos de teste, identificou corretamente se um carro estava danificado ou intacto com um AUC de 0,95. Mais importante ainda, quando um carro realmente apresentava danos, o sistema os detectou com um AUC de 0,97 de 0,975. Essa alta taxa de sucesso sugere que o método de usar um cérebro visual pré-treinado combinado com uma camada de decisão simples funciona muito bem para essa tarefa específica. Os pesquisadores também testaram uma abordagem diferente, na qual o computador tentava adivinhar a condição apenas lendo uma descrição textual do que estava procurando, sem qualquer treinamento adicional nas fotos dos carros. Esse método falhou, não performando melhor do que um palpite aleatório. Isso prova que o sistema precisava ser especificamente ajustado para as fotos dos carros para funcionar, em vez de apenas depender de conhecimento geral.

No entanto, o estudo também destacou o que o sistema ainda não consegue fazer. Embora o computador fosse excelente em dizer "este carro está danificado" ou "este carro está bom", ele não pôde ser totalmente testado em sua capacidade de apontar exatamente onde estava o dano. As fotos no estudo não possuíam mapas detalhados marcando cada arranhão ou amassado, portanto, os pesquisadores não puderam medir o quão precisos eram os contornos desenhados. Eles descobriram que o sistema às vezes desenhava uma linha ao redor de um para-brisa sujo quando o problema real era um para-choque ausente, ou focava em um farol quando toda a parte frontal estava destruída. Esses erros mostram que, embora o sistema seja bom em detectar que algo está errado, ele ainda precisa de mais treinamento para entender exatamente o que está errado e onde.

Os pesquisadores fizeram questão de notar que este teste foi realizado em uma coleção de fotos que haviam sido usadas em estágios anteriores do desenvolvimento do projeto. Como as fotos não possuíam IDs únicos para rastrear de qual carro elas vinham, é possível que o computador tivesse visto visualizações semelhantes dos mesmos carros anteriormente. Isso significa que as pontuações altas podem ser ligeiramente otimistas se o sistema fosse testado em uma frota de carros completamente nova que ele nunca viu. Apesar dessa limitação, o estudo oferece um caminho claro a seguir. Ele mostra que a triagem automatizada pode lidar com a realidade desorganizada das fotos de carros tiradas por celulares com alta precisão, mas também mostra que, para o sistema ser verdadeiramente confiável no mundo real, ele precisa de melhores dados: fotos com marcações claras de onde o dano está e uma separação rigorosa entre os carros usados para treinamento e os carros usados para teste. Até lá, o sistema serve como um assistente poderoso, sinalizando os problemas mais prováveis para que inspetores humanos façam a dupla checagem.