](https://opensource.org/licenses/MIT)

dropiAI

Проект для бинарной сегментации и анализа капель ,как в видеопотоке, так и фотографий. В проекте реализовано два подхода: традиционный, с использованием методов компьютерного зрения, и с помощью нейросетевой модели U-Net.

Структура проекта

• traditional-segmentation/: Директория с реализацией традиционного подхода.
  • VideoFilter_and_DropletAnalyzer.py: Скрипт для фильтрации видео, обнаружения и анализа капель.
• unet-segmentation/: Директория с реализацией подхода на основе U-Net.
  • U_net_analiz.py: Скрипт для анализа одиночных изображений с помощью U-Net.
  • U_net_video_segmentation.py: Скрипт для сегментации видео с помощью U-Net в реальном времени.
  • Dataset/: Датасет для обучения и тестирования модели U-Net.
  • models/: Директория для хранения обученных моделей.

Традиционная сегментация

Скрипт VideoFilter_and_DropletAnalyzer.py использует классические алгоритмы компьютерного зрения для обнаружения и анализа капель.

Возможности

• Фильтрация видео в реальном времени: Настройка параметров фильтрации (Canny, билатеральный фильтр) с помощью трекбаров OpenCV.
• Обнаружение капель: Поиск контуров и аппроксимация их эллипсами.
• Анализ траекторий: Отслеживание капель между кадрами и построение их траекторий.
• Сохранение результатов: Сохранение параметров эллипсов и траекторий в форматах JSON и AVI.

Использование

1. Измените путь к видеофайлу в video_path в конце скрипта.
2. Запустите скрипт.
3. Настройте параметры фильтрации в окне 'Properties'.
4. Нажмите 'q', чтобы начать анализ всего видео с выбранными параметрами.

Сегментация на основе U-Net

Этот подход использует нейросетевую модель U-Net для более точной семантической сегментации.

U_net_analiz.py

Скрипт для анализа и сегментации одиночных изображений.

Возможности

• Сегментация изображений: Применение модели U-Net для получения маски сегментации.
• Визуализация: Отображение исходного изображения, маски и их наложения.
• Анализ размеров капель: Построение гистограммы распределения капель по радиусам.

Использование

1. Укажите путь к весам модели в model_path.
2. Укажите путь к изображению в image_path.
3. Запустите скрипт.

U_net_video_segmentation.py

Скрипт для сегментации видео в реальном времени.

Возможности

• Сегментация видео в реальном времени: Применение модели U-Net к каждому кадру видео.
• Выбор ROI: Возможность выбрать область интереса для обработки.
• Интерактивное управление: Пауза, навигация по кадрам, сохранение кадров.

Использование

1. Укажите путь к весам модели в model_path.
2. Укажите путь к видео в video_path.
3. Запустите скрипт.
4. Выделите ROI мышью и нажмите пробел.
5. Используйте 'q' для выхода, пробел для паузы, 'f' и 'b' для перемотки.

Датасет

Датасет находится в папке unet-segmentation/Dataset и разделен на обучающую и тестовую выборки. Аннотации для обучающей выборки находятся в Trainannot.

Установка и зависимости

Для запуска проекта необходимы следующие библиотеки:

• torch
• torchvision
• cv2 (OpenCV)
• numpy
• matplotlib
• segmentation-models-pytorch
• scipy