Skip to content

Latest commit

 

History

History
77 lines (50 loc) · 4.01 KB

2-Especificação do Projeto.md

File metadata and controls

77 lines (50 loc) · 4.01 KB

Especificações do Projeto

Pré-requisitos: Documentação de Contexto

Visão Geral

Nesta parte do documento, será apresentada uma visão detalhada sobre as técnicas e ferramentas utilizadas para a especificação do projeto de reconhecimento de plantas por foto. O objetivo é descrever os métodos escolhidos para alcançar os objetivos do projeto, incluindo a coleta de dados, processamento das imagens, treinamento do modelo e integração com dispositivos IoT.

As seguintes etapas e tecnologias serão abordadas:

  1. Coleta de Dados: Estratégias para obtenção de imagens de fontes como redes sociais, Google, Kaggle e outros datasets especializados.
  2. Pré-processamento das Imagens: Ferramentas e técnicas para preparar as imagens, incluindo normalização, remoção de ruídos e segmentação.
  3. Rotulagem e Anotação: Ferramentas como LabelImg e Roboflow para organizar os dados e associar rótulos às imagens.
  4. Treinamento do Modelo:
    • Arquiteturas de redes neurais (e.g., ResNet, EfficientNet).
    • Frameworks de aprendizado profundo como TensorFlow e PyTorch.
  5. Validação e Teste: Métodos para avaliar a eficácia do modelo, como divisão dos dados e análise de métricas (e.g., precisão e F1-score).

Essa abordagem garante que o sistema seja robusto, eficiente e de fácil integração com aplicações reais.

Definição do Projeto

Descrição Geral

O projeto consiste em desenvolver um sistema baseado em inteligência artificial e machine learning para identificar diferentes espécies de plantas a partir de imagens coletadas de diversas fontes, como redes sociais, Google, Kaggle e outros datasets especializados. O sistema utilizará técnicas de análise de imagem para reconhecer características como tipo de planta, formato de folhas, cores e tipos de flores, com o objetivo de fornecer uma identificação precisa e confiável.

Requisitos

Requisitos Funcionais

  1. Coleta de Imagens

    • O sistema deve permitir a importação de imagens de múltiplas fontes, como redes sociais, plataformas de datasets e uploads manuais.

  2. Processamento de Imagens

    • Deve realizar o pré-processamento das imagens, incluindo ajuste de resolução, remoção de ruído e normalização.

  3. Identificação de Plantas

    • O sistema deve identificar as espécies de plantas com base em características visuais (folhas, flores, cores, etc.).

  4. Treinamento de Modelo de IA

    • O sistema deve treinar modelos de machine learning com dados de treinamento variados, garantindo a precisão da identificação.

  5. Exportação de Resultados

    • O sistema deve permitir a exportação dos resultados em formatos como PDF ou CSV.

Requisitos Não Funcionais

  1. Desempenho

    • O sistema deve processar uma imagem em menos de 5 segundos para fornecer os resultados da identificação.

  2. Escalabilidade

    • Deve ser capaz de lidar com grandes volumes de dados e aumentar a capacidade com o crescimento da base de usuários.

  3. Confiabilidade

    • O sistema deve manter uma taxa de acurácia mínima de 90% na identificação de espécies.

  4. Compatibilidade

    • Deve ser acessível por dispositivos móveis e desktops, suportando navegadores modernos.

  5. Segurança

    • Garantir que os dados dos usuários e as imagens processadas sejam protegidos, atendendo a normas como LGPD e GDPR.

  6. Disponibilidade

    • O sistema deve estar disponível 24/7 com no máximo 1% de downtime mensal.

Requisitos Tecnológicos

  • Linguagens e Ferramentas: Python, TensorFlow, OpenCV, Flask/Django.
  • Infraestrutura: Serviços em nuvem como AWS, Google Cloud ou Azure.
  • Integração: APIs para coleta de dados de redes sociais e plataformas externas.

Com base nesses requisitos, o projeto será estruturado para atender às necessidades de diferentes públicos e garantir eficiência, precisão e acessibilidade na identificação de plantas.