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()