Protótipo de Reconhecimento de Espécies Florestais

Equipe:
Thiago Naves (Naves, T. F.) - Coordenador
Luis Fernando da Rosa (Luis, F. R.) - Membro Líder
João Pacheco (João, P.) - Membro
Gustavo Silva Quieregato (Gustavo, S. Q.) - Novato
Rafael Lechensque De Aquino (Rafael, L. A.) - Novato
Marcos Huang (Marcos, H.) - Novato
Ana Capeletti (Ana, C.) - Novata

Grupo: LAMIA - Laboratório de Aprendizado de Máquina e Imagens Aplicados à Indústria
Email: [email protected]
Organização: Universidade Tecnológica Federal do Paraná - Campus Santa Helena

Status do Projeto: Em desenvolvimento ⚠️

---

Resumo

Arquitetura de Visão Computacional com Deep Learning para classificação de diferentes espécies florestais da Amazônia a partir de fotos macroscópicas da madeira cortada, sendo essa uma ferramenta para identificação rápida e precisa em campo quando identificados cortes e desmatamentos ilegais no bioma, com foco em auxiliar os peritos da polícia federal e florestal a reduzir os crimes contra o bioma Amazônico.

Objetivos

Como Utilizar

Para clonar e rodar está aplicação será necessário o Git e o Python3 instalados em sua máquina. A partir da linha de comando descrita abaixo será possível clonar este repositório.

# Clone this repository
$ git clone https://github.com/lamiautfpr/CLB01-2020-Reconhecimento-Especies-Florestais-Usando-Base-Zeiss.git

# Go into the repository
$ cd CLB01-2020-Reconhecimento-Especies-Florestais-Usando-Base-Zeiss/

Note: If you're using Linux Bash for Windows, see this guide or use the command prompt from your IDE.

Agora que você já está com o o repositório clonado, será necessário que realize a criação de um ambiente virtual do python para executar o backend através do módulo 'run.py'.

* Pip

# Create virtualenv
$ virtualenv venv

# Execute virtualenv
$ source venv/bin/activate

* Conda

# Create virtualenv with conda
$ conda create -n virtualenv 

# Execute virtualenv
$ conda activate virtualenv

Com o virtual enviroment criado e sendo executa será necessário baixar as bibliotecas presentes no requeriments.txt. Para isso basta utilizar o pip3 para fazer a instalação recursiva de todas as bibliotecas presentes no arquivo de texto. Certifique-se que o shell está no diretório do requeriments. Recomenda-se a utilização da execução em super usuário utilizando sudo.

# Install all requeriments

* Pip

$ sudo pip3 install -r requeriments.txt

* Conda

# conda install --file requirements.txt 

Com a criação do ambiente finalizada, configure o arquivo credentials.json com as credenciais de seu banco de dados e voalá! É só rodar o arquivo main.py para inserir todas as bases em seu banco de dados. É importante lembrar que não se utilize nenhum lint do Python na compilação dos algoritmos, pois o mesmo demonstra alguns bugs para importação de packages.

As bibliotecas utilizadas no projeto estão presentes no arquivo requeriments.txt.

absl-py==0.11.0
aniso8601==8.1.0
astunparse==1.6.3
cachetools==4.2.0
certifi==2020.12.5
chardet==4.0.0
click==7.1.2
Flask==1.1.2
Flask-Cors==3.0.10
Flask-RESTful==0.3.8
flatbuffers==1.12
gast==0.3.3
grpcio==1.32.0
h5py==2.10.0
idna==2.10
itsdangerous==1.1.0
Jinja2==2.11.2
Keras-Preprocessing==1.1.2
Markdown==3.3.3
MarkupSafe==1.1.1
numpy==1.19.5
oauthlib==3.1.0
opencv-python==4.5.1.48
opt-einsum==3.3.0
Pillow==8.1.0
protobuf==3.14.0
pyasn1==0.4.8
pyasn1-modules==0.2.8
pytz==2020.5
requests==2.25.1
requests-oauthlib==1.3.0
rsa==4.7
six==1.15.0
tensorboard==2.4.1
tensorboard-plugin-wit==1.8.0
tensorflow==2.4.1
tensorflow-estimator==2.4.0
termcolor==1.1.0
typing-extensions==3.7.4.3
urllib3==1.26.2
Werkzeug==1.0.1
wrapt==1.12.1

Será preciso que realize a instalação das dependências do frontend, para isso siga as instruções abaixo.

# Install dependencies npm 
$ npm install

Caso haja algum erro, execute os seguintes comandos.

# Remove folder 'node_modules'
$ rm -rf node_modules

# Reinstall dependencies
$ npm install

Dependências do frontend

vue-cli
axios
bootstrap-vue-cli

Com todo o projeto já configurado, execute os comandos abaixo no terminal para rodar o projeto.

# Backend
$ python run.py

# Frontend
$ npm run dev

Obs: O projeto será hospedado localmente utilizando a porta 8080 para o frontend e utilizará a porta 5000 para receber a imagem utilizando o 'axios'.

Tecnologias

O protótipo utiliza as seguintes bibliotecas e tecnologias:

• Flask - Executar a API para realizar a comunicação entre o Frontend e o Backend
• TensorFlow - Executa o modelo
• Keras-Preprocessing - Executa as camadas de pré-processamento de cada entrada
• Requests - Utilizada para fazer requisições HTTP pelo Python.
• Numpy - Manipulação dos dados.
• Vue - Framework utilizado para criar cada componente renderizado pela interface de interação com o usuário (Frontend).

Citação

Se você utliza e quer citar o projeto em sua pesquisa, por favor utilize o formato de citação abaixo:

@inproceedings{LAMIA_ic02,
  title={Protótipo de Reconhecimento de espécies},
  author={Naves, T. F.; BEUREN, A. T.; BRILHADOR, A.},
  journal={IEEE Conference on Big Data},
  year={2020}
}