🚧 Detecção de Buracos de Asfalto com YOLO 🚧

📌 Visão Geral

Este projeto foi desenvolvido no âmbito da disciplina de Laboratório de Inovação e Automação (LIA) da Escola de Engenharia Elétrica, Mecânica e de Computação (EMC) da Universidade Federal de Goiás (UFG). O foco é a aplicação de técnicas de visão computacional, utilizando um modelo YOLO (You Only Look Once), para a detecção de buracos em superfícies asfaltadas.

🚀 Objetivos

Os principais objetivos deste projeto são:

• Implementar um sistema de detecção de buracos em tempo real ou a partir de vídeos.
• Utilizar o modelo YOLO para identificação precisa dos buracos.
• Aplicar o conhecimento adquirido na disciplina para desenvolver uma solução prática para um problema de infraestrutura urbana.
• Documentar o processo de desenvolvimento e a estrutura do projeto.

📊 Dataset

O treinamento e a validação do modelo de detecção foram realizados utilizando o dataset "OmdenaKolkatta - Pothole Detection". Este conjunto de dados está disponível publicamente na plataforma Roboflow e pode ser acessado aqui.

🛠️ Tecnologias Utilizadas

As seguintes tecnologias e ferramentas foram empregadas no desenvolvimento deste projeto:

• Python: Linguagem de programação principal.
• YOLO (You Only Look Once): Arquitetura de detecção de objetos em tempo real (via biblioteca ultralytics).
• Google Colab: Ambiente de desenvolvimento e treinamento do modelo, com suporte a GPUs.
• Roboflow: Plataforma utilizada para gerenciamento e acesso ao dataset.
• OpenCV: Utilizado para processamento de vídeo (implícito pela ultralytics e em possíveis customizações).

📂 Estrutura do Projeto

O repositório está organizado com a seguinte estrutura de diretórios, refletindo os componentes do projeto:

.
├── images/       # Contém imagens utilizadas ou geradas pelo projeto.
├── include/      # Diretório para arquivos de inclusão (ex: cabeçalhos, se aplicável).
├── Lib/          # Bibliotecas ou módulos customizados.
├── model/        # Arquivos do modelo treinado (ex: yolo_em_casa_portugues.pt).
├── runs/         # Resultados de execuções/treinamentos do modelo YOLO.
├── Scripts/      # Scripts principais do projeto.
├── share/        # Arquivos diversos ou compartilhados.
├── videos/       # Vídeos de entrada ou saída (ex: demonstrações).
└── yolo-model/   # Arquivos específicos do modelo YOLO (configs, pesos alternativos, etc.).

🎬 Resultados e Demonstração

O modelo treinado foi capaz de detectar buracos em vídeos. Como demonstração prática, o sistema foi testado no estacionamento da Escola de Engenharia Elétrica, Mecânica e de Computação da UFG.

Você pode assistir à demonstração do projeto no YouTube clicando na imagem abaixo:

---