Um banco de dados com 1.278 fotografias de altares barrocos, coletadas em 33 igrejas históricas de 12 cidades brasileiras, foi desenvolvido por pesquisadores da Universidade Federal de Ouro Preto e publicado no Journal of Cultural Heritage, revista científica da editora Elsevier. O conjunto de imagens, batizado de AltarData, serve de base para treinar sistemas de inteligência artificial capazes de identificar automaticamente elementos como imagens de santos, crucifixos, colunas, tronos, tabernáculos e mesas de altar em fotografias de igrejas históricas.
O estudo é assinado pelo professor André Luiz Carvalho Ottoni, do Departamento de Computação e Sistemas da UFOP, em colaboração com a professora Lara Toledo Cordeiro Ottoni, da Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM). Nove igrejas de Ouro Preto integram o banco de dados, entre elas a Basílica de Nossa Senhora do Pilar, a Igreja de São Francisco de Assis e o Santuário de Nossa Senhora da Conceição. Outras duas igrejas de Cachoeira do Campo, distrito de Ouro Preto, também foram incluídas na pesquisa, assim como a Catedral de Nossa Senhora da Conceição, em Mariana.
O que o sistema aprende a reconhecer
O AltarData reúne 12.093 anotações distribuídas em seis categorias de objetos recorrentes nos altares barrocos e rococós do período colonial e imperial brasileiro: mesa de altar, coluna, crucifixo, imagem de santo, tabernáculo e trono. Cada fotografia foi anotada manualmente pelos pesquisadores, que se basearam no glossário de arquitetura e ornamentação do barroco mineiro e no glossário visual do barroco luso-brasileiro para definir as categorias.
A categoria com o maior número de exemplos no banco de dados é imagem de santo, com 3.625 instâncias anotadas. Coluna vem em seguida, com 3.222, e trono com 2.451. Os pesquisadores explicam que um único altar pode conter múltiplos objetos da mesma categoria, como as três imagens que costumam ocupar o altar principal de uma igreja. O tabernáculo e a mesa de altar, por sua vez, costumam aparecer em número menor por altar, o que se refletiu nas quantidades anotadas.
Os resultados da inteligência artificial
Com as imagens anotadas, os pesquisadores treinaram e testaram um modelo de aprendizado profundo chamado FOMO MobileNetV2, ajustando seus parâmetros para maximizar a precisão da detecção. O sistema foi avaliado em diferentes configurações, e os melhores índices de acerto na fase de validação foram: 97,3% para o tabernáculo, 92% para a mesa de altar, 87,1% para a coluna e 85,1% para as imagens de santos. Na etapa de testes com igrejas de Diamantina e Campanha, cidades que não haviam sido usadas no treinamento, o modelo obteve um F1-score geral de 79%. Trata-se de uma medida que combina precisão e abrangência na identificação dos objetos.
“O conjunto de dados proposto contribui diretamente para o avanço do campo de visão computacional para altares históricos, em especial para a documentação digital automática e o reconhecimento de elementos presentes e ausentes no interior das igrejas.”
A afirmação consta das conclusões do artigo, publicado em agosto de 2026. O banco de dados está disponível gratuitamente no repositório Mendeley Data.
Para que serve
Segundo o estudo, as aplicações potenciais do AltarData abrangem desde a documentação digital automática até sistemas de inspeção capazes de alertar para a ausência de componentes em altares históricos. Os pesquisadores apontam ainda o uso do banco de imagens em tecnologias de inteligência artificial generativa para a reconstrução virtual de templos danificados por eventos climáticos ou vandalismo, além da criação de glossários digitais interativos voltados a visitantes com pouca familiaridade com a iconografia católica.
Outra frente indicada no artigo é o fortalecimento da pesquisa em IA aplicada ao patrimônio cultural brasileiro especificamente, área considerada defasada na literatura científica em relação ao volume de sítios históricos que o país abriga. O Brasil possui múltiplos conjuntos urbanos reconhecidos pela Unesco como Patrimônio Mundial, com arquitetura religiosa dos séculos XVIII e XIX.
A equipe e o projeto IA.Patrimônio
A pesquisa integra o Grupo de Pesquisa em Machine Learning e Robótica (MLBots) da UFOP e é parte de um projeto mais amplo desenvolvido sob o nome IA.Patrimônio, que investiga aplicações de inteligência artificial na preservação e documentação do patrimônio histórico regional. O grupo é acompanhado nas redes sociais pelo perfil @ia.patrimonio.
Estudantes bolsistas da UFOP integram o projeto: Lavínia Ferreira e Thiago Ramirez, do curso de Engenharia Civil, são bolsistas do Pibic/CNPq; Samara Paloma, do curso de Ciência da Computação, é bolsista do Pibiti/CNPq. A pesquisa recebeu financiamento da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e do Edital PROPPI 18/2024 da UFOP.
O artigo AltarData: A novel annotated dataset for object detection in the Brazilian heritage altars using deep learning foi publicado no volume 81 do Journal of Cultural Heritage (Elsevier), páginas 248 a 259, com DOI: 10.1016/j.culher.2026.07.024. O banco de dados AltarData está disponível em: doi.org/10.17632/2b6sd9n5gy.1.
