DETECCION DE OBJETOS CON PYTHON

Detección de objetos

El uso diario, importancia e implementacion en empresas.

Integrantes:

• Rodriguez Guerrero Emily
• Salas Capilla Alan Ricardo

Empezar

Objetivo del proyecto:

Desarrollar una aplicación de detección de objetos en tiempo real utilizando Python y bibliotecas como tkinter, numpy e ImageTk. La aplicación deberá ser capaz de capturar imágenes de una fuente de video en tiempo real, identificar y localizar objetos específicos en esas imágenes y mostrar los resultados de la detección en una interfaz gráfica de usuario (GUI) amigable.

Analisis de datos

Optimización de procesos

Control de produccion

Control de producción

La detección de objetos permite a los sistemas de producción detectar y contar los productos en tiempo real, lo que ayuda a garantizar la precisión y eficiencia en la producción.

Beneficios

-Mejora la calidad -Reduce costos -Mejora la eficiencia -Cumplimiento de normas y regulaciones

Analisis de datos

La detección de objetos puede ser utilizada para recopilar datos sobre la producción y los procesos de la fábrica, lo que ayuda a los fabricantes a tomar decisiones informadas y mejorar la eficiencia de la producción.

Beneficios

-Mejora la toma de desiciones-Ahorro de costos -Mejora la eficiencia operativa -Mejora la toma de desiciones de marketing

Optimización de procesos

La detección de objetos puede ser utilizada para optimizar procesos de producción, como la detección de objetos en movimiento y la seguimiento de objetos en tiempo real.

Beneficios

-Aumento de la rentabilidad -Incremento en la satisfacción del cliente -Reducción de costos -Mejora de eficiencia

Herramientas utilizadas:

OpenCV

Es una biblioteca de visión por computadora que se utiliza para realizar operaciones de procesamiento de imágenes.

Numpy

Numpy es una biblioteca para el lenguaje de programación Python que agrega soporte para matrices y matrices multidimensionales

Tkinter

Es el módulo que se utiliza para crear la interfaz gráfica de usuario (GUI) en Python.

PIL (Python Imaging Library)

Es una biblioteca para agregar capacidades de procesamiento de imágenes a su intérprete Python

tkinter.ttk

Este módulo proporciona widgets temáticos avanzados para Tkinter. Se utiliza aquí específicamente para crear barras de progreso.

Darknet YOLO

Es un modelo de red neuronal convolucional para la detección de objetos en imágenes.

(You Only Look Once)

Demostración del proyecto

Funcionalidad:

Configuración de la interfaz gráfica: Se crea una ventana de aplicación utilizando la biblioteca tkinter. La ventana incluye botones para iniciar y detener la cámara, así como barras de progreso para mostrar el porcentaje de detección de diferentes objetos. Detección de objetos: La función show_frame() se encarga de capturar un fotograma de la transmisión de video en tiempo real y realizar la detección de objetos en él. Se utiliza un modelo pre-entrenado de YOLO (You Only Look Once) para detectar varios objetos en el fotograma. Los objetos detectados se clasifican en diferentes categorías (como persona, botella, manzana, etc.) y se actualizan las barras de progreso correspondientes para mostrar el porcentaje de detección de cada objeto.

Gracias por su atencion