# Como manter um classificador de ovos com IA ao longo do tempo?

> Manter um classificador é atualizar a decisão quando a linha muda: nova luz, outra cor de casca, outro tipo de sujeira. Ajustar regras muda limiares que a equipe pode ler, testar e desfazer. Retreinar um modelo exige novos exemplos rotulados, uma nova versão e uma nova validação de tudo o que ele decide. Para defeitos descritos por medidas visíveis, o ajuste costuma ser o caminho mais simples de manter.

Atualizado em: 2026-10-09 · URL: https://vigiovo.com/recursos/ajustar-regras-vs-retreinar-modelo · English: https://vigiovo.com/en/resources/tuning-rules-vs-retraining-a-model.md

## Resumo

- Ajustar regras muda limiares que a equipe pode ler, testar e desfazer; retreinar muda os pesos de um modelo que ninguém lê diretamente.
- Nas duas abordagens, toda mudança precisa ser validada com ovos rotulados da própria linha antes de voltar à produção.
- A manutenção por regras cresce com cada tipo de defeito novo; a manutenção por modelo cresce com a coleta e a rotulagem de exemplos.
- Redes neurais continuam sendo a escolha melhor quando um defeito não pode ser descrito por regras visíveis na imagem.
- No Vigiovo, cada decisão guarda a distância até o limite, o que mostra onde um ajuste faria diferença.

## O que realmente muda com o tempo na linha?

Com o tempo, a linha muda: entram lotes de outra granja, a cor da casca varia com a época, a iluminação envelhece e a sujeira aparece de formas novas. Qualquer classificador precisa acompanhar essas mudanças, e a diferença entre as abordagens está em como esse acompanhamento é feito.

Na abordagem por regras, a manutenção consiste em revisar os limiares e as regras de forma pontual. Na abordagem por redes neurais, a manutenção consiste em coletar exemplos novos, rotulá-los e treinar uma nova versão do modelo.

Nos dois casos, o trabalho não termina na mudança. É preciso medir se o resultado melhorou e se algo que antes estava certo deixou de estar.

## Ajustar regras ou retreinar: como se comparam na manutenção?

A tabela compara o trabalho de manutenção em cada abordagem. Ela é uma avaliação prática, não o conteúdo de uma norma, e a coluna do ajuste de regras descreve o [Vigiovo](https://vigiovo.com/como-funciona).

**Manutenção por ajuste de regras comparada a retreinamento de modelo (avaliação prática)**

| Critério | Ajustar regras (limiares) | Retreinar modelo de IA |
| --- | --- | --- |
| O que muda | Limiares e regras de decisão | Pesos internos do modelo, por meio de novos treinos |
| Quem faz | A equipe de qualidade, com a calibração | Quem treina o modelo, com novos dados |
| Dados necessários | Ovos rotulados da própria linha, para conferir o ajuste | Muitos exemplos rotulados, incluindo os casos novos |
| Como se valida | Refazer a conta nos ovos rotulados e nos casos perto do limite | Medir a nova versão em um conjunto separado e comparar com a anterior |
| Efeito sobre decisões já tomadas | Só muda a decisão dos ovos cuja medida cai entre o limite antigo e o novo | Uma nova versão pode mudar a decisão de qualquer imagem |
| Registro da mudança | Limite antigo e novo, com data e motivo | Versão do modelo, dados usados e resultado da validação |
| Risco típico | Um tipo de defeito novo que nenhuma regra cobre | Um padrão de dados novo que o modelo não viu |

## Quando ajustar regras é a manutenção mais segura?

Ajustar regras é mais seguro quando os defeitos podem ser descritos por medidas visíveis na imagem, como a fração de sujeira ou o comprimento de uma trinca. Cada mudança é pequena, pode ser testada contra os mesmos ovos rotulados e pode ser desfeita. Isso vale para a [visão computacional determinística](https://vigiovo.com/recursos/glossario#visao-computacional-deterministica), em que cada limite tem um efeito conhecido.

No Vigiovo, cada decisão guarda quanto a medida ficou do limite. Isso mostra onde um ajuste mudaria alguma coisa de fato: se quase nenhum ovo fica perto do limite, mexer nele tem pouco efeito; se muitos ficam, é hora de revisar a [calibração com ovos rotulados](https://vigiovo.com/recursos/calibracao-com-ovos-rotulados).

A limitação aparece com o tempo. Se um defeito novo não tem regra, ajustar limiares não resolve o problema. Nesse caso, a equipe precisa escrever uma regra nova, o que é trabalho de engenharia e não de calibração.

## Quando retreinar um modelo ainda compensa?

Retreinar compensa quando o defeito é difícil de descrever por regras, como texturas que variam muito e que nenhum limiar separa bem. Nessa situação, a rede aprende o padrão a partir de exemplos, e a manutenção passa a ser a coleta contínua de casos novos.

O custo muda de lugar. Em vez de revisar regras, a equipe passa a rotular exemplos, guardar as versões do modelo e validar cada nova versão contra a anterior. Se essa rotina não existir, um modelo retreinado pode melhorar um caso e piorar outro sem que ninguém perceba.

Os dois caminhos também podem ser combinados, com regras para os defeitos descritos com clareza e um modelo para o restante. Para a diferença entre os métodos, veja [visão determinística vs redes neurais](https://vigiovo.com/recursos/visao-deterministica-vs-redes-neurais).

## Perguntas frequentes

### Ajustar regras é sempre mais barato que retreinar?

Não em todos os casos. Ajustar regras costuma ser mais barato quando os defeitos são descritos por medidas visíveis. Quando surgem defeitos novos sem regra, a manutenção vira escrita de regras, que é trabalho de engenharia. O custo depende de quantos tipos de defeito a linha apresenta.

### Quando uma rede neural ainda é a melhor escolha?

Quando o defeito é difícil de descrever por regras visíveis e há exemplos rotulados suficientes para treinar. Nesse caso, a manutenção inclui coleta contínua de casos novos e validação de cada versão do modelo, e isso precisa estar previsto desde o começo.

### Preciso mudar o classificador toda vez que a luz muda?

Nem sempre. Uma mudança de luz pede nova calibração com ovos rotulados da linha, e não necessariamente uma nova regra. Refaça a calibração e confira os casos perto do limite antes de voltar à produção.

## Fontes

- [Como o Vigiovo classifica ovos sem IA / How Vigiovo grades eggs without AI](https://vigiovo.com/como-funciona), Vigiovo

## Leia também

- [Inspeção humana vs câmera na classificação de ovos](https://vigiovo.com/recursos/inspecao-humana-vs-camera.md) (Comparação, 2026-10-09): Comparação entre inspeção humana e câmera na classificação de ovos: consistência, registro, velocidade, o que cada uma vê e onde a pessoa ainda é necessária.
- [Checklist de calibração de um classificador de ovos](https://vigiovo.com/recursos/checklist-de-calibracao.md) (Checklist, 2026-10-09): Checklist para calibrar um classificador de ovos com ovos rotulados: montagem, rótulos, limites, teste com conjunto separado e registro da configuração.
- [Ovoscopia ou visão computacional: o que cada uma detecta](https://vigiovo.com/recursos/ovoscopia-vs-visao-computacional.md) (Comparação, 2026-10-09): Comparação entre ovoscopia e inspeção por câmera na classificação de ovos: defeitos que cada uma detecta, velocidade, registro e por que as duas se completam.

## Como o Vigiovo ajuda

O Vigiovo classifica ovos na esteira como limpos, sujos, trincados ou não verificados, em tempo real, com visão computacional determinística: cada decisão vem com as medidas que a justificam e roda em CPU comum. https://vigiovo.com/como-funciona.md

4 min de leitura.