bartool
090865af76
Add PySide6 camera UI, YOLO/Tesseract detection pipeline, capture metadata, configuration, and project gitignore.
43 lines
1.3 KiB
Markdown
43 lines
1.3 KiB
Markdown
# Duck Stain YOLO
|
|
|
|
MVP aplikacji okienkowej do podgladu kamery USB, wykrywania etykiety modelem YOLOv8 i zapisu zdjec/filmow z metadanymi JSON.
|
|
|
|
## Uruchomienie
|
|
|
|
```bash
|
|
python3 -m venv .venv
|
|
source .venv/bin/activate
|
|
pip install -r requirements.txt
|
|
python main.py
|
|
```
|
|
|
|
Na macOS z Tesseractem:
|
|
|
|
```bash
|
|
brew install tesseract
|
|
```
|
|
|
|
Na Ubuntu/WSL:
|
|
|
|
```bash
|
|
sudo apt install tesseract-ocr
|
|
```
|
|
|
|
Na Linuksie `requirements.txt` wymusza CPU build PyTorch, zeby nie pobierac wariantu CUDA. Na macOS pip zainstaluje standardowy wariant CPU dla procesora Intel.
|
|
|
|
Umiesc wytrenowany model jako `models/best.pt` albo zmien `detection.model_path` w `app_config.json`.
|
|
|
|
## Konfiguracja
|
|
|
|
Glowny plik konfiguracji: `app_config.json`.
|
|
|
|
Istotne ustawienia:
|
|
|
|
- `camera.width`, `camera.height`, `camera.fps` - rozdzielczosc i FPS kamery.
|
|
- `camera.properties` - parametry OpenCV ustawiane na kamerze, np. jasnosc, kontrast, ekspozycja. `null` oznacza brak wymuszania wartosci.
|
|
- `detection.mode` - `best` rysuje najlepsza etykiete, `all` rysuje wszystkie wykrycia.
|
|
- `detection.frame_stride` - YOLO uruchamiany co N klatek podczas aktywnego wykrywania.
|
|
- `label_data.models`, `label_data.colors` - slowniki do walidacji tekstu z etykiety.
|
|
|
|
Zdjecia trafiaja do `captures/photos`, filmy do `captures/videos`. Obok kazdego pliku media zapisywany jest JSON z aktualnym wynikiem detekcji/OCR.
|