Todos nós já ouvimos o ditado de que uma imagem vale mais que mil palavras. Com o avanço das tecnologias de IA, essa ideia se tornou mais tangível do que nunca. Computer vision é um campo interdisciplinar de IA, generative AI, deep learning e machine learning que aproveita o poder para identificar objetos, ler textos e analisar padrões a partir de imagens e vídeos. Ele transforma efetivamente o conteúdo visual em informações ricas e acionáveis. Muitas operações de campo de utilidade já exigem a captura de imagens ou vídeos como parte dos seus fluxos de trabalho de coleta de dados. Isso permite que computer vision melhore o fluxo de trabalho sem grandes interrupções nos processos atuais. Enquanto a adoção de computer vision continua crescendo em diversos setores, sua aplicação bem-sucedida no ArcGIS Survey123 depende fortemente de um fator crítico: prompts bem projetados.<\/P>
Por Que o Design do Prompt Importa? <\/STRONG><\/P>Trabalhar com computer vision é como trabalhar com qualquer um dos seus colegas; você precisa fornecer ao LLM (large language model) instruções claras e detalhadas, conhecidas como prompts, para realizar inspeções de ativos e produzir os resultados detalhados que você está buscando. Evitar ambiguidade é fundamental, pois impede que computer vision use sua própria interpretação do prompt ou retorne resultados genéricos.<\/P>Em alguns casos, prompts mal projetados podem levar a resultados inconsistentes, informações irrelevantes ou até mesmo resultados enganosos. Em inspeções de campo, isso pode significar problemas de manutenção não detectados, relatórios imprecisos ou recursos desperdiçados. Vamos discutir maneiras pelas quais podemos melhorar nossas habilidades na escrita de prompts.<\/P>Defina Objetivos Específicos<\/STRONG><\/P>O primeiro passo para projetar prompts eficazes para computer vision é definir objetivos claros e específicos sobre exatamente o que você quer que a computer vision faça. Sugerimos usar os quatro Ws (who, what, where e why) ao começar a projetar seus prompts. Isso ajudará você a reunir informações essenciais para definir a solicitação e esclarecer o objetivo que deseja que a computer vision alcance. Você vai querer incluir detalhes contextuais sobre o tipo de ativo, o ambiente em que o ativo está e quaisquer regulamentos ou políticas da empresa que motivem a necessidade. Por exemplo, um prompt básico para inspeções de manutenção poderia ser assim:<\/P>"Identifique preocupações de manutenção do ativo nesta imagem,"<\/P>Através do design cuidadoso do prompt podemos transformar a solicitação para ser mais definida sobre o específico<\/P>"Descreva a condição do medidor de gás. Inclua detalhes sobre qualquer ferrugem, corrosão ou dano presente no componente do medidor de gás da montagem do medidor de gás. Isso faz parte da inspeção do tubo exposto de gás que ocorre a cada três anos.<\/P>Use Linguagem Simples e Direta<\/STRONG><\/P>Indústrias frequentemente dependem de acrônimos especializados e jargões para se comunicar rapidamente. No entanto, esses termos podem ser ambíguos, pois o mesmo acrônimo pode representar conceitos diferentes dependendo do contexto ou departamento. Por exemplo, PM pode significar preventive maintenance em gestão de ativos e project manager em operações. Para garantir que a computer vision compreenda totalmente sua solicitação, é essencial usar linguagem clara e descritiva em seus prompts. Em vez de confiar em abreviações ou jargões específicos da indústria, escreva os nomes completos dos itens, processos ou condições. Por exemplo, ao invés de pedir à computer vision para "check PM status," especifique "check the preventive maintenance status of the transformer." Termos técnicos podem ser esclarecidos fornecendo uma breve definição na primeira vez que aparecem no seu prompt. Essa abordagem minimiza interpretações erradas e ajuda a computer vision a entregar resultados precisos e acionáveis.<\/P>
<\/span><\/P> <\/P>Especifique Formato e Comprimento do Resultado<\/STRONG><\/P>Ao projetar prompts para análise por computer vision, é importante considerar não apenas a precisão dos resultados mas também como esses resultados serão integrados ao seu sistema. O ArcGIS Survey123 armazenará os resultados em um campo atributo que terá um tipo e comprimento definidos.<\/P>Mantenha isso em mente ao projetar o prompt: os resultados retornados precisarão corresponder ao tipo do campo e caber dentro do comprimento especificado.<\/P>Algumas formatações sugeridas para resultado que você pode adicionar ao seu prompt:<\/P>"Forneça um resumo conciso com 500 caracteres ou menos sobre..."<\/P>"Use uma palavra para descrever..."<\/P>"Conte os transformadores no poste elétrico e retorne a contagem total como um número inteiro."<\/P>Torne os Prompts Fechados Quando Possível<\/STRONG><\/P>Quando apropriado, crie perguntas da pesquisa que sejam fechadas. Essa abordagem permite definir um conjunto específico de respostas possíveis e estabelecer critérios claros para cada condição do ativo no seu prompt, resultando em resultados mais consistentes e acionáveis. Por exemplo, você pode instruir o sistema a:<\/P>"Retorne Pass se o trabalhador estiver usando capacete, colete refletivo high-res e óculos de segurança ou Fail se faltar um ou mais itens entre capacete, colete refletivo high-res e óculos de segurança."<\/P>"Se danos forem detectados, categorize como Minor/Moderate/Critical baseado na severidade do dano."<\/P>Ao formular perguntas dessa forma, você minimiza ambiguidades e garante que tanto sistemas de computer vision quanto inspetores humanos possam interpretar as respostas consistentemente. Isso leva a dados mais confiáveis e padronizados que suportam análises robustas posteriormente.<\/P>Tratamento de Erros<\/STRONG><\/P>Erros são inevitáveis. Há momentos em que um ativo não está centralizado na foto ou a foto tem baixa qualidade dificultando determinar seu conteúdo. Você vai querer levar isso em consideração ao projetar seu prompt. Especifique uma condição no prompt sobre o que deve acontecer se o ativo não estiver presente. Isso evitará geração indevida de dados.<\/P>Por exemplo: "Se não houver medidor de gás na foto, retorne 'No gas meter in photo.'"<\/P>
<\/span><\/P> <\/P>Planeje Testes e Refinamento<\/STRONG><\/P>Antes de implantar sua pesquisa habilitada por AI para uso em produção, é recomendável testar seus prompts para avaliar quão precisos são os resultados e ajustar o prompt para melhorar esses resultados. Seu plano de testes deve incluir entradas esperadas e inesperadas. Entradas esperadas podem ser fotos de inspeções anteriores dos ativos. Entradas inesperadas podem consistir em fotos dos ativos incorretos, ativo não centralizado na foto ou fotos com baixa qualidade.<\/P>Certeza compare os resultados da computer vision com os resultados dos inspetores em campo para avaliar quão próximos eles estão. Se houver muita variação, ajuste seu prompt e tente novamente. Você pode precisar experimentar múltiplas iterações dos prompts antes de encontrar aquele que retorna os resultados desejados.<\/P> <\/P>Em conclusão, projetar prompts específicos e bem estruturados não é apenas uma necessidade técnica mas uma vantagem estratégica para operações de campo em utilidades. Definindo objetivos claros, eliminando ambiguidades e testando rigorosamente os prompts, as organizações desbloqueiam todo o potencial da computer vision que impulsiona maior qualidade dos dados, eficiência operacional e conformidade regulatória. À medida que as tecnologias AI continuam evoluindo, um compromisso com a excelência nos prompts garante que sua organização permaneça ágil, segura e pronta para capitalizar novas oportunidades. Faça do design dos prompts uma prática colaborativa contínua e capacite suas equipes a liderar o caminho na transformação digital.<\/P>
