Inteligência artificial na análise biomecânica do movimento de saque do tênis de campo

Abstract

O presente trabalho propôs a elaboração de uma base de dados a partir de gravações de atletas de tênis da região de Criciúma/SC, utilizada para treinar modelos de inteligência artificial voltados à análise biomecânica do saque no tênis de campo. Foram comparadas duas abordagens: a rede recorrente GRU e a Spatio-Temporal Graph Convolutional Network (ST-GCN), cada uma com estratégias de pré-processamento distintas: a GRU foi alimentada com vetores temporais de coordenadas corporais, enquanto a ST-GCN utilizou grafos representando articulações e conexões biomecânicas. O processo metodológico envolveu a extração de pontos corporais, a organização dos dados em sequências temporais e o treinamento supervisionado dos modelos. A aplicação desenvolvida analisa e classifica vídeos em tempo real, identificando saques corretos e incorretos por fase. Nos resultados, embora a GRU tenha alcançado acurácia global de 98,64%, observou-se que parte desse valor decorre de classificações inadequadas, indicando limitações na detecção de falhas técnicas. Já a ST-GCN apresentou acurácia de 91,12%, porém com maior consistência na identificação de erros biomecânicos ao longo das fases do movimento. Conclui-se que técnicas de visão computacional e aprendizado de máquina podem ser aplicadas como ferramentas de apoio ao treinamento esportivo, permitindo análises biomecânicas mais objetivas e auxiliando no diagnóstico técnico do saque no tênis de campo.