Reconocimiento de Imágenes de Naves Espaciales con Python y TensorFlow
Este proyecto realiza el reconocimiento de imágenes de naves espaciales utilizando la red neuronal MobileNetV2 de TensorFlow. El programa procesa imágenes, las analiza y guarda los resultados junto con la fecha y hora del reconocimiento en un archivo de texto.
Requisitos
Antes de ejecutar el programa, asegúrate de tener instalados los siguientes paquetes de Python:
- tensorflow
- numpy
- opencv-python
- matplotlib
Puedes instalarlos usando pip:
<code>pip install tensorflow numpy opencv-python matplotlib</code>
O
- clona el repositorio:
<code>git clone https://github.com/0xfabrica/rocket-script cd rocket-script</code>
- Ejecuta el programa:
<code>python reconocimiento_naves.py</code>
3.Introduce la ruta de la imagen que deseas analizar cuando el programa lo solicite. El programa procesará la imagen, realizará el reconocimiento y mostrará la imagen junto con las predicciones. Además, guardará los resultados en un archivo de texto resultado_red.txt, añadiendo la fecha y hora del reconocimiento.
Funcionalidades
Carga y preprocesamiento de imágenes: El programa carga imágenes desde una ruta especificada, convierte el color de BGR a RGB, redimensiona la imagen a 224x224 píxeles y normaliza los valores de los píxeles. Visualización de imágenes: Muestra la imagen procesada utilizando Matplotlib. Reconocimiento de imágenes: Utiliza la red neuronal MobileNetV2 preentrenada con los pesos de ImageNet para predecir el contenido de la imagen. Guardado de resultados: Escribe las predicciones junto con la fecha y hora del reconocimiento en el archivo resultado_red.txt, añadiendo nuevas entradas al final del archivo para preservar los resultados anteriores.
Ejemplo de resultados
Después de ejecutar el programa y analizar una imagen, el archivo resultado_red.txt podría contener algo como esto:
<code>Fecha y hora del reconocimiento: 2024-07-12 14:35:22 espacio_nave: 97.53% cohete: 85.21% satélite: 70.34%</code>