Reconhecimento de Ofídio Peçonhento (Visão Computacional)

Este é um projeto desenvolvido por candidatos do processo seletivo 23.2 para a Equipe WolfByte-IA do Ramo Estudantil IEEE CEFET-RJ.

Usando técnicas de visão computacional, o objetivo principal é desenvolver e treinar um modelo de inteligência artificial capaz de determinar se uma serpente é ou não peçonhenta com base em uma imagem.

Funcionalidades

• Desenvolvimento de um conjunto de dados com 4 a 10 diferentes espécies de cobras, sendo metade peçonhenta e metade não peçonhenta.
• Treinamento de um modelo de inteligência artificial para classificação das serpentes com uma precisão mínima de 75%.
• Implementação de uma função que recebe uma imagem de um ofídio e retorna se ele é peçonhento ou não.

Bônus (Opcional)

• Generalização do modelo para ser capaz de classificar qualquer cobra como peçonhenta ou não com base em características fundamentais.

Exemplo de Uso

# Carregar o modelo treinado
classificador = ofidio_peconhento("modelo_final")

# Classificar uma imagem
resultado = classificador.classificar("serpente.jpg")
print(resultado)
# Peçonhenta! / Não peçonhenta!

Técnico

• Python, Jupyter Notebook

• Google Colab

• Bibliotecas (numpy, tensorflow, keras)

  Boas Práticas de Programação

  Todo código deve seguir os padrões de boas práticas, como os ensinados no livro "Clean Code" - Robert C. Martin. Isso inclui: Nomes de variáveis, classes e funções devem ser descritivos e auto-explicativos. Funções devem ter um propósito claro e realizar uma única tarefa. Evitar códigos duplicados através da criação de funções e classes reutilizáveis.

Equipe Desenvolvedora Trainee

• Daniel Lanzillotta Serodio
• Caio Passos Torkst Ferreira
• Guilherme Soares Vieira

Membros envolvidos no treinamento

• Maria Luisa - Líder do Processo Seletivo IEEE : Assessora de Gestão
• Dannylo - Líder da Equipe I.A WolfByte : Assessor Técnico

---

Para mais informações, consulte : https://github.com/dlserodio/Ofidios-Peconhentos.