Esse projeto tem como objetivo fazer a contagem de laranjas e pé de erva mate através de usos de diferentes tecnicas e modelos de inteligência artificial.
O dataset usado para laranjas é uma junção das imagens disponíveis no kaggle e images.cv assim foi utilizada a plataforma roboflow para fazer as anotações dos rotulos das imagens.
YOLO (You Only Look Once) é um modelo popular de detecção de objetos e segmentação de imagem. Existem várias versões deste modelo onde abaixo estão listadas as versões usadas. Com o yolo é necessário fazer o treinamento com base nos modelos abaixo para que ele seja capaz de fazer a classificação.
Modelos Yolo usados
Foram utilizados duas bibliotecas para visão computacional, opencv e scikit-image, ambas foram utilizadas com a técnica de contagem de objetos da cor branca conectados.
-
Converter a imagem para o sistema de cores HSV.
-
Criar uma máscara onde será branco as cores na faixa de cores laranja será branco e as outras cores preto. Foi definido o limite inferior para [10, 100, 20] e superior [25, 255, 255].
-
Preencher os espaços vazios dentro dos objetos com a cor branca.
-
Aplicar o processo de dilatação e erosão algumas vezes na imagem para eliminar ruidos pequenos.
-
Com Cv2 foi utilizada a função connectedComponentsWithStats com a imagem pre processada onde é retornada as caixas delimitadoras que serão adicionadas na imagem original.
-
Com scikit-image foram utilizadas as funções label, onde rotula as regiões conectadas na imagem, e regionprops, onde mede as propriedades da imagem rotulada.
Python necessário para execução do codigo é 3.10.13. E para instalar as bibliotecas necessárias execute o código abaixo:
pip install -r requirements.txt
Para executar o algoritmo que detecta laranjas com yolo edite o arquivo deteccao_yolo.py na linha 47 para modelo treinado e a imagem desejada. Em seguida execute o código:
python deteccao_yolo.py
Para executar o algoritmo que detecta laranjas com opencv2 e scikit-image edite o arquivo deteccao_cv2.py na linha 5 com imagem desejada. Em seguida execute o código:
python deteccao_cv2.py
Foram selecionadas imagems que não estão no conjunto de dados e feita a contagem manual das laranjas presentas na imagem, assim foi utilizado todas as diferentes ténicas nelas para assim criar uma tabela comparativa. Abaixo é apresentada a tabela comparativa entre a acurácia das diferentes ténicas
| Técnica | OpenCV | skimage | YOLO v5 | YOLO v8 | YOLO v9 | YOLO v11 |
|---|---|---|---|---|---|---|
| Acurácia | 10,37% | 10,99% | 52,23% | 57,28% | 58,08% | 54,25% |
Todas a imagens rotuladas manualmente estão no diretório teste/imagens_teste_rotuladas/
Foi executado o código no presente no arquivo teste.py nele são selecionadas as imagens no diretório teste/imagens_originais/ e aplicado os algoritmos de contagem criando as imagens rotuladas salvas nas respectivas pastas de cada ténicas dentro do diretporio teste/resultados/ e contendo um arquivo json contendo a contagem de laranjas na imagem.