Projeto De Tecnologia e Ciência Aplicada II - Centro Universitário Senac 

# Detecção de Erros em Bombas de Infusão Usando Machine Learning e Automação

Este projeto desenvolve uma solução inovadora para detectar erros em bombas de infusão hospitalares utilizando aprendizado de máquina e automação. Ele combina bibliotecas como TensorFlow, PyAutoGUI e OpenCV para analisar imagens de interfaces e identificar falhas em tempo real.

## 📜 Sobre o Projeto

O objetivo principal é melhorar a segurança e eficiência de equipamentos médicos, reduzindo erros de configuração e monitoramento. A solução automatiza a detecção de problemas, utilizando inteligência artificial para analisar imagens de bombas de infusão e informar os profissionais de saúde sobre possíveis falhas.

## 🛠️ Tecnologias Utilizadas

- **Python**: Linguagem de programação principal devido à sua versatilidade e vasta biblioteca.
- **TensorFlow**: Para criação e treinamento de modelos de redes neurais convolucionais.
- **OpenCV**: Para manipulação e análise de imagens.
- **PyAutoGUI**: Para automação de interações com interfaces gráficas.
- **Teachable Machine**: Utilizada para treinar modelos baseados em imagens.

## 📊 Resultados

- **Acurácia do Modelo**: Aproximadamente 99% com taxa de erro de 0,94%.
- **Melhorias**: Detecção de falhas como subdosagem, sobredosagem, erros de programação e desconexões acidentais.

## 🚀 Funcionalidades

- Detecção de erros em bombas de infusão Icatu 4.0 Intelli.
- Identificação automática de configurações incorretas e falhas de conexão.
- Monitoramento em tempo real utilizando visão computacional.

## 📋 Metodologia

1. **Coleta de Dados**: Imagens de interfaces de bombas de infusão simuladas.
2. **Treinamento do Modelo**: Uso de CNNs para classificar imagens como corretas ou erradas.
3. **Automação**: PyAutoGUI para simular interações humanas no ambiente gráfico.
4. **Validação**: Testes automatizados para verificar a eficácia da solução.

## 🛠️ Como Executar

1. Clone este repositório:
   ```bash
   git clone https://github.com/seu-usuario/seu-repositorio.git

📈 Melhorias Futuras

1. Expansão do banco de dados com imagens de diferentes modelos de bombas.
2. Integração com sensores adicionais (pressão e temperatura).
3. Validação em ambientes clínicos reais.
4. Desenvolvimento de notificações em tempo real para alertas de erro.