Review Dyson CamJet: a engenharia por trás da escova com câmera

A Dyson finalmente entrou no mercado de escovas de dentes elétricas — e entrou do jeito Dyson: jogando hardware caro, sensor de imagem e jato d’água controlado por software num produto que a concorrência resolve com cerdas vibrantes. Segundo o Tecnoblog.net, a CamJet passou pela Anatel em julho/2025 e traz Wi-Fi 4, Bluetooth LE, NFC e — pasme — uma câmera na cabeça da escova.

Mas o que me chamou atenção como dev não foi o marketing de “escova inteligente”. Foi a pilha de decisões de engenharia embarcada num objeto que cabe na mão. Vou destrinchar isso aqui.

O que tem dentro da CamJet (e o que isso significa para hardware)

A papelada da Anatel revela o stack de conectividade: Wi-Fi 4 (802.11n), Bluetooth Low Energy e NFC/RFID. Esse trio já virou padrão em IoT residencial, mas numa escova de dentes levanta perguntas interessantes.

Wi-Fi 4 é proposital. Você não precisa de Wi-Fi 6 num dispositivo que consome poucos kbps. Mas o 802.11n dá margem para atualizações OTA de firmware — algo essencial quando você tem uma câmera e algoritmos de visão computacional rodando localmente. Falha de detecção? Patch remoto. Mudou o jato? Rebalanceamento via software.

BLE cuida do pareamento com o celular e do streaming de telemetria para o app MyDyson. NFC/RFID é o detalhe curioso: ninguém sabe exatamente para que serve. O Tecnoblog.net especula que pode ser DRM dos refis ou autenticação do cabeçote. Faz sentido — a Dyson ganha quando você só compra refis originais, e ninguém entra no mercado de “refis paralelos” sem quebrar a assinatura criptográfica.

Comparação com a concorrência

Nenhuma das concorrentes coloca uma câmera no brush head. A Xiaomi usa giroscópio para mapear regiões escovadas; a Oral-B usa sensor de pressão. A Dyson foi pelo caminho mais ambicioso — e mais caro em termos de BOM (bill of materials).

A câmera que “vê” entre os dentes

Aqui é onde o produto fica interessante do ponto de vista de engenharia. Uma microcâmera CMOS próxima à cabeça da escova captura frames em tempo real. Algoritmos locais (provavelmente rodando num SoC ARM Cortex-M ou similar) detectam padrões de gap entre superfícies claras (esmalte) e escuras (espaço interdental).

Quando o gap é detectado, uma micro-bomba eletromagnética dispara um jato de água ou enxaguante bucal. É, na essência, um pipeline de visão computacional miniaturizado.

Por que isso é difícil na prática?

• Iluminação. Dentro da boca é escuro. Você precisa de LED integrado e controle de exposição em milissegundos.
• Vibração. A escova vibra a 30k+ Hz. A câmera precisa de estabilização ou algoritmos robustos a motion blur.
• Latência. Se o jato atrasa 200ms, o usuário já moveu a escova. O pipeline inteiro — captura, inferência, acionamento da bomba — precisa rodar em <50ms.

Comparando com meu setup de trabalho: meu MacBook roda modelos YOLO em 30fps com 50ms de latência. A Dyson precisa fazer isso com um SoC que provavelmente consome menos de 1W e roda em RTOS, não Linux.

Na Prática: simulando a lógica de detecção

Não tenho a CamJet na mão, mas dá para prototipar a lógica de detecção em Python com OpenCV. Esse snippet pega frames de uma webcam e tenta identificar “gaps” — regiões escuras entre superfícies claras, simulando o que o firmware embarcado faria:

import cv2
import numpy as np

def detect_interdental_gap(frame):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Threshold adaptativo — esmalte é claro, espaço é escuro
    thresh = cv2.adaptiveThreshold(
        gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
        cv2.THRESH_BINARY_INV, 11, 2
    )

    # Procurar contornos alongados verticalmente (gap típico)
    contours, _ = cv2.findContours(
        thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
    )

    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        aspect_ratio = h / w if w > 0 else 0

        # Gap típico: alto e estreito
        if 3 < aspect_ratio < 8 and h > 30:
            return True, (x, y, w, h)

    return False, None

cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break

    detected, bbox = detect_interdental_gap(frame)
    if detected:
        # Aqui entraria o trigger da bomba eletromagnética
        cv2.rectangle(frame, (bbox[0], bbox[1]),
                      (bbox[0]+bbox[2], bbox[1]+bbox[3]),
                      (0, 255, 0), 2)
        print(f"JATO: gap detectado em {bbox}")

    cv2.imshow('CamJet Sim', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

Aponte uma webcam para uma foto de dentes e você verá detecções falsas e verdadeiras. Em produção, a Dyson provavelmente usa algo mais sofisticado — talvez um modelo treinado com milhares de imagens intraorais e acelerado em NPU dedicada.

O fluxo de autenticação do refil (especulação técnica)

Se o NFC for mesmo DRM, o firmware embarcado rodaria algo nesse formato:

// Pseudocódigo do firmware da CamJet
typedef struct {
    uint32_t refil_id;
    uint8_t  signature[32];
    uint16_t uses_remaining;
} refil_data_t;

bool authenticate_refil(refil_data_t *data) {
    static const uint8_t PUBLIC_KEY[32] = DYSON_PUBLIC_KEY;

    if (!verify_ecdsa(PUBLIC_KEY, data->signature, data->refil_id)) {
        log_error("Refil não autenticado");
        disable_motor();
        return false;
    }

    if (data->uses_remaining == 0) {
        log_warning("Refil esgotado");
        trigger_led_warning();
        return false;
    }

    data->uses_remaining--;
    nfc_write_back(data); // atualiza contador no refil
    return true;
}

Isso é prática comum em cartridges de impressoras e até em carros Tesla (para validar peças). Aplicar em escova de dentes é overkill? Talvez. Mas o mercado de refis é onde o dinheiro fica, e a Dyson sabe disso melhor que ninguém.

Erros Comuns — o que devs devem evitar ao avaliar produtos assim

1. Comprar pela feature de marketing. “Câmera que vê entre os dentes” soa incrível. Pergunte: qual a precisão? Em produção, modelos de visão computacional falham. A Oral-B vende sensor de pressão há anos sem alarde — e funciona.
2. Ignorar o ecossistema. Se você já usa Alexa, Google Home ou Home Assistant, verifique se a CamJet integra. SoC isolado sem API pública é lock-in disfarçado.
3. Subestimar latência de OTA. Atualização de firmware via Wi-Fi em produto molhado é arriscada. Se a Dyson errar um update, a escova pode bricar — e é uma escova de dentes, você precisa dela amanhã.
4. Confundir “smart” com “útil”. Bluetooth + app é obrigação, não diferencial. Avalie se o sensor realmente resolve um problema ou se é só data collection.
5. Não considerar reparabilidade. Dyson tem histórico ruim de reparabilidade. Se a câmera falhar ou a bomba entupir, prepare o bolso. A iFixit costuma dar nota 2/10 para produtos da marca.

FAQ — perguntas que um dev faria

A CamJet roda Linux?
Provavelmente não. Embedded devices desse porte usam RTOS (FreeRTOS, Zephyr) ou bare-metal em ARM Cortex-M. Não há necessidade de MMU nem de sistema de arquivos completo.

O app MyDyson é open source?
Não. Mas historicamente a Dyson expõe APIs não documentadas. A comunidade costuma reverter o protocolo BLE em poucas semanas — já aconteceu com purificadores e secadores da marca.

Posso usar a câmera para teleodontologia?
Nenhuma indicação disso. A câmera parece dedicada à detecção local, não streaming. Além disso, transmitir vídeo intraoral levantaria problemas sérios de privacidade (LGPD/HIPAA) e a Dyson evitaria esse risco regulatório.

Quanto custa manter o refil?
Dyson cobra caro em refis de secador e aspirador. Espere R$ 80–150 por refil, com troca a cada 3 meses. Em 5 anos, o TCO supera o preço da escova — faça a conta antes de comprar.

Vale para dev que fica 12h no PC?
Indiretamente, sim. Saúde bucal impacta sono, foco e energia. Mas se o argumento for “tecnologia avançada resolve”, um irrigador Waterpik de R$ 300 resolve 80% do problema sem IoT, sem câmera e sem assinatura.

Veredito

A Dyson CamJet é, antes de tudo, um exercício de engenharia embarcada. A combinação de câmera CMOS, micro-bomba, SoC ARM e stack Wi-Fi/BLE/NFC num dispositivo sub-100g é tecnicamente impressionante. Resta saber se o software entrega o que o hardware promete — e se o preço (~R$ 2.500 estimados) cabe num mercado acostumado a pagar R$ 500 em escova elétrica.

Vou esperar o primeiro teardown do iFixit e os reviews com medição real de latência. Se o pipeline câmera→jato rodar em <50ms com 90%+ de acerto, é gol da engenharia. Se for marketing inflado com firmware mal otimizado, é só mais um gadget caro na prateleira — bonito no unboxing, esquecido no armário em seis meses.

Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto — posso fazer um post técnico sobre o pipeline de visão computacional embarcado quando o teardown oficial sair.