MangoIA / src /mango_sam_segmenter.py
juanvilla's picture
Upload folder using huggingface_hub
04b5e38 verified
Raw History Blame Contribute Delete
5.78 kB
import cv2
import numpy as np
import os
from ultralytics import YOLO, SAM
class MangoSAMSegmenter:
def __init__(self, source_path, target_path, yolo_weights, sam_weights='sam_b.pt'):
print(f"[*] Iniciando Segmentación Avanzada SAM + YOLO...")
self.source = os.path.abspath(source_path)
self.target = os.path.abspath(target_path)
if not os.path.exists(self.target):
os.makedirs(self.target)
print(f"[*] Cargando modelo YOLO: {yolo_weights}")
self.yolo = YOLO(yolo_weights)
print(f"[*] Cargando modelo SAM: {sam_weights}")
# SAM de Ultralytics es muy potente para segmentación por prompts de caja
self.sam = SAM(sam_weights)
# Colores solicitados: Verdes para sano, Rojos para afectados
self.colors = {
'Mango-Antracnosis': (0, 0, 255), # ROJO
'Mango-afectado': (0, 100, 255), # NARANJA/ROJO
'Mango-area-afectada': (50, 50, 255), # ROJO CLARO
'Mango-sano': (0, 255, 0) # VERDE
}
def apply_mask(self, image, mask, color, alpha=0.5):
""" Aplica una máscara coloreada sobre la imagen """
mask_indices = mask > 0
image[mask_indices] = image[mask_indices] * (1 - alpha) + np.array(color) * alpha
return image
def process_images(self):
print(f"[*] Escaneando: {self.source}")
for root, dirs, files in os.walk(self.source):
rel_path = os.path.relpath(root, self.source)
target_dir = os.path.join(self.target, rel_path)
if not os.path.exists(target_dir):
os.makedirs(target_dir)
images = [f for f in files if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
if not images: continue
print(f"[*] Segmentando {len(images)} imágenes en: {rel_path}")
for img_name in images:
img_path = os.path.join(root, img_name)
img = cv2.imread(img_path)
if img is None: continue
h, w = img.shape[:2]
# 1. Identificación inicial con YOLO
results_yolo = self.yolo.predict(img, conf=0.35, iou=0.45, verbose=False)
# Crear lienzo negro para omitir el fondo
final_output = np.zeros_like(img)
# Agrupar detecciones para pasarlas a SAM
bboxes = []
class_names = []
for r in results_yolo:
names = r.names
for box in r.boxes:
bboxes.append(box.xyxy[0].tolist())
class_names.append(names[int(box.cls[0])])
if bboxes:
# 2. Segmentación con SAM usando las cajas de YOLO como prompt
# Esto asegura que SAM se centre "específicamente" en el objeto
results_sam = self.sam.predict(img, bboxes=bboxes, verbose=False)
for i, r_sam in enumerate(results_sam):
if r_sam.masks is not None:
# Obtener la máscara binaria y convertir a uint8 para resize
mask = r_sam.masks.data[0].cpu().numpy().astype(np.uint8)
mask = cv2.resize(mask, (w, h))
class_name = class_names[i]
color = self.colors.get(class_name, (0, 255, 0))
# Si es un fruto (sano o afectado), lo usamos para rescatar la textura original
# pero con el tinte del color solicitado
if 'Mango' in class_name:
# Aplicar color a la zona segmentada sobre fondo negro
mask_indices = mask > 0.5
# Para el color sano (Verde) y afectado (Rojo)
alpha = 0.6 if 'sano' in class_name.lower() else 0.8
# Extraer la textura original para que no sea solo un manchón
texture = img.copy()
colored_mask = np.zeros_like(img)
colored_mask[mask_indices] = color
# Mezclar textura original con el color
blended = cv2.addWeighted(texture, 1-alpha, colored_mask, alpha, 0)
# Pegar en el resultado final
final_output[mask_indices] = blended[mask_indices]
# Guardar resultado con fondo omitido
cv2.imwrite(os.path.join(target_dir, f"SAM_{img_name}"), final_output)
print(f"\n[!] SEGMENTACIÓN SAM COMPLETADA.")
print(f"[*] Resultados en: {self.target}")
if __name__ == "__main__":
YOLO_W = r"C:\Users\juanv\Desktop\Analisis mango\runs\detect\Entrenamiento_Cientifico\Mango_YOLOv26_NUEVO_SET3\weights\best.pt"
# Nota: sam_b.pt es el modelo base balanceado.
# Si no existe, Ultralytics lo descargará automáticamente.
SAM_W = "sam_b.pt"
SOURCE = r"C:\Users\juanv\Desktop\Analisis mango\fruto\fruto"
TARGET = r"C:\Users\juanv\Desktop\Analisis mango\FRUTO_SAM_SCIENTIFIC"
segmenter = MangoSAMSegmenter(SOURCE, TARGET, YOLO_W, SAM_W)
segmenter.process_images()