🐄 Detecção de Gado com YOLO

Este é um projeto de aplicação web que utiliza o modelo YOLO (You Only Look Once) para detectar e contar gados em imagens. O aplicativo permite que os usuários façam upload de imagens, que são então processadas pelo modelo para identificar o número de gados presentes na imagem.

🚀 Funcionalidades

• Upload de Imagens: Envie imagens para o sistema identificar gados.
• Detecção em Tempo Real: Utiliza YOLO para processar a imagem e contar gados.
• Exibição dos Resultados: Mostra a imagem original, a imagem processada e a contagem total de gados.
• Armazenamento de Imagens: As imagens originais e processadas são armazenadas no servidor.

🛠️ Tecnologias Utilizadas

• Flask: Framework web para Python.
• YOLO (Ultralytics): Modelo de detecção de objetos pré-treinado.
• Werkzeug: Para manipulação segura de arquivos.

📁 Estrutura do Projeto

├── app.py                  
├── requirements.txt         
├── /static                  
│   ├── /uploads            
│   └── /style              
│       └── design.css      
│
├── /templates               
│   └── index.html           
│
└── /runs                   
    ├── /detect              
    └── /train             

🔧 Como Inicializar o Projeto

Pré-requisitos

Você precisará ter Python instalado. Recomendo também o uso de um ambiente virtual para gerenciar as dependências do projeto.

Passo a Passo

1. Clone o repositório:

   git clone https://github.com/lucasjordaoreal/Contador-de-Gado.git
   cd .\Contador-de-Gado\

2. Crie e ative um ambiente virtual:

   • No Windows:

     python -m venv venv
     venv\Scripts\activate

   • No macOS/Linux:

     python3 -m venv venv
     source venv/bin/activate

3. Instale as dependências:

   pip install -r requirements.txt

4. Inicie o servidor:

   python app.py

5. Acesse a aplicação: Abra seu navegador e vá para:
   http://127.0.0.1:5000

📦 Dependências

As principais bibliotecas usadas neste projeto incluem:

• Flask
• YOLO (Ultralytics)
• Werkzeug

Para instalar todas as dependências, use o comando:

pip install -r requirements.txt

🖼️ Demonstração

Imagem Original:

Imagem Processada com Detecção: