Prova de conceito para reconhecimento de peixes em piscicultura utilizando YOLO

• Eduardo Mizael Clemente IFG / IF Goiano
• Leonardo Garcia Marques IFG / UFU
• Gesmar de Paula Santo Júnior IFG / UFU
• Geraldo Andrade de Oliveira IF Goiano

DOI: https://doi.org/10.5753/latinoware.2025.16562

Resumo

Este artigo apresenta uma prova de conceito do uso de visão computacional para detecção de peixes em piscicultura. Um conjunto reduzido de vídeos de lambaris foi convertido em frames e rotulado manualmente no Label Studio. Um detector YOLO11 foi treinado em computador pessoal e obteve métricas promissoras (precisão 0,86; recall 0,82; mAP@50 0,81). Apesar de falsos positivos na aplicação inicial em vídeo, melhorias na camada de software—tracking com ByteTrack, limiares dinâmicos, ROI poligonal e filtros geométricos—tornaram as detecções mais estáveis e confiáveis. Os resultados evidenciam viabilidade e sugerem caminhos para expansão.

Palavras-chave: visão computacional, piscicultura, YOLO, contagem de peixes, detecção de objetos

Referências

A. Bochkovskiy, C. Wang, and H. M. Liao, “Yolov4: Optimal speed and accuracy of object detection,” CoRR, vol. abs/2004.10934, 2020. [Online]. Disponível em: [link].

Ultralytics. (2025) Documentação ultralytics yolo. Ultralytics. Disponível em: [link].

M. Tkachenko, M. Malyuk, A. Holmanyuk, and N. Liubimov, “Label Studio: Data labeling software,” 2020-2022, open source software available from [link].