描述

這個項目是用很少的代碼完成的，Roboflow 提供了大量的資源來完成工作。根據您的用例調整多邊形尺寸。

?

import numpy as np
import supervision as sv

# initiate polygon zone
polygon = np.array([
    [1000, 1000],
    [1000, 1000],
    [1000, 1000],
    [1000, 1000]
])
video_info = sv.VideoInfo.from_video_path(VIDEO_PATH)
zone = sv.PolygonZone(polygon=polygon, frame_resolution_wh=video_info.resolution_wh)

# initiate annotators
box_annotator = sv.BoxAnnotator(thickness=4, text_thickness=4, text_scale=2)
zone_annotator = sv.PolygonZoneAnnotator(zone=zone, color=sv.Color.white(), thickness=6, text_thickness=6, text_scale=4)

def process_frame(frame: np.ndarray, _) -> np.ndarray:
    # detect
    results = model(frame, imgsz=1280)[0]
    detections = sv.Detections.from_yolov8(results)
    #detections = detections[detections.class_id == 0]
    zone.trigger(detections)

    # annotate
    box_annotator = sv.BoxAnnotator(thickness=4, text_thickness=4, text_scale=2)
    labels = [f"{model.names[class_id]} {confidence:0.2f}" for _, confidence, class_id, _ in detections]
    frame = box_annotator.annotate(scene=frame, detections=detections, labels=labels)
    frame = zone_annotator.annotate(scene=frame)

    return frame

sv.process_video(source_path=VIDEO_PATH, target_path=f"{HOME}/result.mp4", callback=process_frame)

from IPython import display
display.clear_output()

?

您可以使用 Roboflow Universe 親自試用經過訓練的模型：

?

https://universe.roboflow.com/dee-dee-b9kev/aquarium-shrimp-detection-caridina_neocaridina

?

可通過 github 獲得經過訓練的 yolov8 模型的 Github 存儲庫：

?

https://github.com/dfunkapostal/Aquarium-Shrimp-Detection/tree/main

?

該模型可以使用tensorflow.js或 onnxruntime通過 web 部署，具有以下https://github.com/Hyuto存儲庫。

?

https://github.com/Hyuto/yolov8-seg-tfjs
https://github.com/Hyuto/yolov8-seg-onnxruntime-web

?

攝像頭可以調整為前置攝像頭調整網絡攝像頭設置 facingMode 為“用戶”

?

https://github.com/Hyuto/yolov8-seg-tfjs/blob/master/src/utils/webcam.js
open = (videoRef) => {
    if (navigator.mediaDevices && navigator.mediaDevices.getUserMedia) {
      navigator.mediaDevices
        .getUserMedia({
          audio: false,
          video: {
            facingMode: "environment",

?

您的模型應上傳到公共文件夾中：

https://github.com/Hyuto/yolov8-seg-tfjs/tree/master/public

model.json應替換為保存的 web 文件夾（tensorflow.js 輸出文件夾）中的 .json 文件

https://github.com/Hyuto/yolov8-seg-tfjs/blob/master/src/App.jsx
useEffect(() => {
    tf.ready().then(async () => {
      const yolov8 = await tf.loadGraphModel(
        `${window.location.href}/${modelName}_web_model/model.json`,

labels.json應該更新為項目中存在的類。

src/utils/labels.json

項目詳情

Caridina 和 Neocaridina 蝦檢測項目旨在開發和改進用于檢測和區分不同蝦品種的計算機視覺算法。該項目以觀賞魚飼養愛好者以及計算機視覺如何有益于改善矮小蝦的護理為中心。在這種特殊情況下，區域計數器/跟蹤器的實現。

Caridina 和 neo-caridina 蝦是兩個不同的物種，需要不同的水參數才能達到最佳健康狀態。Neocaridina 蝦通常比 caridina 物種更耐寒且更容易飼養，而 caridina 蝦以其引人注目的獨特圖案而聞名。兩個物種的身體結構相似（從主題面具可以看出）。

Neo-Caridina 面膜

各類類型說明

該項目的數據集包括十三種不同的類類型。已將 neo-caridina 物種組合在一起以測試該模型是否可以區分 caridina 和 neo-caridina 蝦。其余類別都是不同類型的 caridina 蝦。

RGalaxyPinto 和 BGalaxyPinto 的圖案非常相似，主要區別在于它們的顏色：一個是酒紅色，另一個是深藍黑色。這兩個品種的頭部區域都有明顯的斑點，背部有條紋，非常適合測試模型區分顏色的能力。

CRS-CBS水晶紅蝦和水晶黑蝦的花紋與熊貓蜜蜂蝦相似，但色澤不同。熊貓蝦的顏色往往比 CRS-CBS 蝦更深、更豐富，CRS-CBS 的白色環更厚。

另一方面，熊貓蜜蜂品種以其類似熊貓的白色和黑色/紅色環紋而聞名。色環往往比水晶紅/黑蝦更厚、更明顯。

在 Caridina 物種中，有各種老虎品種。其中包括 Fancy Tiger、Raccoon Tiger、Tangerine Tiger、Orange Eyed Tiger（金色和全身）。所有這些人的身體兩側都有條紋。花式虎蝦的顏色與 CRS 相似，但帶有虎紋圖案。

Raccoon Tiger 和 Orange Eyed Tiger Blonde 看起來非常相似，但是 Raccoon Tiger 的身體顯得更大，而 Orange Eyed Tiger 以其橙色的眼睛而聞名。Tangerine Tigers 的條紋圖案各不相同，經常會與某些 neo-caridina，特別是黃色或橙色品種混淆。

其余的是最受歡迎的繁殖品種和獨特的顏色圖案，即藍蝠、暗影摩蘇拉、白蜂/金蜂和金剛蜂。

?