Sistema Inteligente de Visão Computacional para Detecção e Contagem de Peixes Utilizando YOLO11 e ByteTrack

• Eduardo Mizael Clemente IF Goiano
• Geraldo Andrade de Oliveira IF Goiano

DOI: https://doi.org/10.5753/eritm.2026.26610

Resumo

Este artigo apresenta um sistema de visão computacional para detecção, rastreamento e contagem de peixes em vídeos de piscicultura utilizando YOLO11 e ByteTrack. O sistema combina detecção de objetos, rastreamento temporal, regiões poligonais de interesse, filtros geométricos, classificação aproximada de porte e contagem por cruzamento de linha virtual. Uma prova de conceito preliminar foi avaliada com vídeos capturados em cenário aquícola controlado e um conjunto inicial de imagens anotadas. O detector alcançou precisão de 0,86, recall de 0,82, mAP@50 de 0,81 e mAP@50-95 de 0,41. Os resultados indicam viabilidade técnica, embora ainda seja necessária validação com bases maiores e ambientes reais de produção.

Referências

Kandimalla, V., Richard, M., Smith, F., Quirion, J., Torgo, L., and Whidden, C. (2022). Automated detection, classification and counting of fish in fish passages with deep learning. Frontiers in Marine Science, 8:823173.

Li, D., Miao, Z., Peng, F., Wang, L., Hao, Y., Wang, Z., Chen, T., Li, H., and Zheng, Y. (2021). Automatic counting methods in aquaculture: A review. Journal of the World Aquaculture Society, 52(2):269–283.

Li, X., Zhuang, Y., You, B., Wang, Z., Zhao, J., Gao, Y., and Xiao, D. (2024). LDNet: High accuracy fish counting framework using limited training samples with density map generation network. Journal of King Saud University - Computer and Information Sciences, 36:102143.

Lin, T.-Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P., and Zitnick, C. L. (2014). Microsoft COCO: Common objects in context. In European Conference on Computer Vision, pages 740–755.

Muksit, A. A., Hasan, F., Emon, M. F. H. B., Haque, M. R., Anwary, A. R., and Shatabda, S. (2022). YOLO-Fish: A robust fish detection model to detect fish in realistic underwater environment. Ecological Informatics, 72:101847.

Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 779–788.

Ultralytics (2025). Ultralytics yolo documentation.

Zhang, Y., Sun, P., Jiang, Y., Yu, D., Weng, F., Yuan, Z., Luo, P., Liu, W., and Wang, X. (2022). ByteTrack: Multi-object tracking by associating every detection box. In European Conference on Computer Vision, pages 20–36.