File size: 4,169 Bytes
179346e |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 |
#!/usr/bin/env python3
"""
🔬 Clasificador de Insectos Polinizadores - Versión de Producción
Precisión alcanzada: 92.07%
Modelo: YOLOv8 Nano
"""
from ultralytics import YOLO
import sys
import os
from pathlib import Path
class PollinatorClassifier:
def __init__(self, model_path="pollinator_results/nano_quick/weights/best.pt"):
"""Inicializar el clasificador"""
try:
self.model = YOLO(model_path)
self.classes = [
'Acmaeodera Flavomarginata', 'Acromyrmex Octospinosus',
'Adelpha Basiloides', 'Adelpha Iphicleola', 'Aedes Aegypti',
'Agrius Cingulata', 'Anaea Aidea', 'Anartia fatima',
'Anartia jatrophae', 'Anoplolepis Gracilipes'
]
print("🔬 Clasificador de Insectos Polinizadores v1.0")
print(f"✅ Modelo cargado con 92.07% de precisión")
print(f"🏷️ {len(self.classes)} clases disponibles")
except Exception as e:
print(f"❌ Error cargando modelo: {e}")
sys.exit(1)
def classify(self, image_path):
"""Clasificar una imagen de insecto"""
if not os.path.exists(image_path):
print(f"❌ Imagen no encontrada: {image_path}")
return None
# Predicción
results = self.model(image_path, verbose=False)
probs = results[0].probs
# Obtener predicción principal
top_class_idx = probs.top1
confidence = probs.top1conf.item() * 100
predicted_class = self.classes[top_class_idx]
print(f"\n🔍 Imagen: {os.path.basename(image_path)}")
print(f"🎯 Predicción: {predicted_class}")
print(f"📊 Confianza: {confidence:.1f}%")
# Top 3 predicciones
print(f"\n📋 Top 3 predicciones:")
for i in range(min(3, len(probs.top5))):
idx = probs.top5[i]
conf = probs.top5conf[i].item() * 100
class_name = self.classes[idx]
emoji = "🥇" if i == 0 else "🥈" if i == 1 else "🥉"
print(f" {emoji} {class_name}: {conf:.1f}%")
return predicted_class, confidence
def classify_batch(self, folder_path):
"""Clasificar múltiples imágenes en una carpeta"""
folder = Path(folder_path)
if not folder.exists():
print(f"❌ Carpeta no encontrada: {folder_path}")
return
# Buscar imágenes
image_extensions = ['*.jpg', '*.jpeg', '*.png', '*.JPG', '*.JPEG', '*.PNG']
images = []
for ext in image_extensions:
images.extend(list(folder.glob(ext)))
if not images:
print("❌ No se encontraron imágenes")
return
print(f"🔍 Clasificando {len(images)} imágenes...")
print("-" * 60)
results = []
for img_path in images:
pred_class, confidence = self.classify(str(img_path))
if pred_class:
results.append({
'imagen': img_path.name,
'prediccion': pred_class,
'confianza': confidence
})
return results
def main():
"""Función principal"""
classifier = PollinatorClassifier()
if len(sys.argv) < 2:
# Modo interactivo
print("\n🎯 MODO INTERACTIVO")
print("Opciones:")
print("1. Clasificar una imagen")
print("2. Clasificar carpeta de imágenes")
choice = input("\nSelecciona opción (1 o 2): ")
if choice == "1":
image_path = input("Ruta de la imagen: ")
classifier.classify(image_path)
elif choice == "2":
folder_path = input("Ruta de la carpeta: ")
classifier.classify_batch(folder_path)
else:
print("Opción inválida")
else:
# Modo comando
path = sys.argv[1]
if os.path.isfile(path):
classifier.classify(path)
elif os.path.isdir(path):
classifier.classify_batch(path)
else:
print(f"❌ Ruta inválida: {path}")
if __name__ == "__main__":
main()
|