책상 정돈 상태 평가 시스템

YOLO 객체 탐지와 시각적 복잡도 분석을 활용하여 책상의 정돈 상태를 자동으로 평가하는 AI 프로젝트입니다.

주요 기능

• 자동 객체 탐지: YOLOv8 모델을 사용하여 책상 위의 다양한 물건들을 자동으로 탐지
• 정돈 점수 평가: 여러 기준을 종합하여 책상의 정돈 상태를 0-100점으로 평가
• 상세 피드백 제공: 점수와 함께 개선 방법에 대한 구체적인 피드백 제공
• 웹 기반 인터페이스: Gradio를 사용한 직관적이고 사용하기 쉬운 웹 인터페이스

탐지 가능한 객체

• 학습 도구: 노트북(NOTEBOOK), 펜(pen), 종이(paper), 포스트잇(post-it)
• 음료: 물병(bottle), 컵(cup)
• 전자기기: 노트북(laptop), 마우스(mouse), 키보드(keyboard)

평가 기준

가점 요소

• 전자기기 세트 감지 (노트북, 키보드, 마우스)
• 전자기기 정렬 상태
• 물건 간 겹침 없음
• 적절한 물건 차지 비율 (30% 이하)
• 깔끔한 시각적 복잡도

감점 요소

• 같은 물건이 여러 개 존재
• 지저분한 물건 (종이, 포스트잇, 물병)
• 물건 간 과도한 겹침
• 너무 많은 물건 (8개 이상)
• 과도한 물건 차지 비율 (40% 이상)
• 높은 시각적 복잡도

프로젝트 미리보기

직접 실행 화면

직접 라벨링한 학습 데이터 예시

Roboflow 라벨링 데이터 예시

설치 및 실행

1. 저장소 클론

git clone https://github.com/sowon2222/visionProject.git
cd visionProject

2. 가상환경 생성 및 활성화 (선택사항)

python -m venv venv
# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

3. 필요한 패키지 설치

pip install -r requirements.txt

4. 프로그램 실행

python desk_score_gradio.py

실행 후 브라우저에서 표시되는 링크로 접속하거나, 공유 링크(share=True)를 통해 다른 사람과도 함께 사용할 수 있습니다.

필요한 패키지

• gradio: 웹 인터페이스 구축
• ultralytics: YOLOv8 모델 사용
• opencv-python: 이미지 처리
• numpy: 수치 계산
• pydantic: 설정 관리

프로젝트 구조

visionProject/
├── desk_score_gradio.py    # 메인 애플리케이션 파일
├── last.pt                 # 학습된 YOLO 모델 (custom)
├── yolov8n.pt             # YOLOv8 기본 모델
├── requirements.txt        # 필요한 패키지 목록
├── .gitignore             # Git 제외 파일 목록
└── README.md              # 프로젝트 설명서

사용 방법

1. 웹 인터페이스에서 "책상 사진 업로드" 버튼을 클릭
2. 평가하고 싶은 책상 사진을 업로드
3. 자동으로 객체 탐지 및 점수 평가가 수행됨
4. 탐지 결과 이미지와 상세 피드백을 확인

기술 스택

• 딥러닝 모델: YOLOv8 (Ultralytics)
• 이미지 처리: OpenCV
• 웹 프레임워크: Gradio
• 언어: Python

라이선스

이 프로젝트는 MIT 라이선스를 따릅니다.

작성자

• GitHub: sowon2222