README.md

---
title: Inclusion Visually Impaired - Image2Speech
emoji: 👨🏻‍🦯🦮🤖🔊
colorFrom: purple
colorTo: pink
sdk: gradio
sdk_version: 4.12.0
app_file: app.py
pinned: false
license: ecl-2.0
---

# Inclusão para Deficientes Visuais

Este projeto utiliza um modelo YOLOv5 para detectar objetos em imagens e descrevê-los em português para pessoas com deficiência visual. A descrição é convertida em áudio, proporcionando uma experiência e interação com a imagem.

## Desenvolvedor

Desenvolvido por Ramon Mayor Martins (2024)

- Email: [rmayormartins@gmail.com](mailto:rmayormartins@gmail.com)
- Homepage: [https://rmayormartins.github.io/](https://rmayormartins.github.io/)
- Twitter: [@rmayormartins](https://twitter.com/rmayormartins)
- GitHub: [https://github.com/rmayormartins](https://github.com/rmayormartins)
- my Radio Callsign (PU4MAY) Brazil

## Tecnologias Utilizadas

- **YOLOv5:** Modelo de detecção de objetos treinado para identificar 80 classes de objetos comuns em tempo real.
- **OpenCV:** Biblioteca de processamento de imagens que auxilia na manipulação e análise de imagens.
- **NumPy:** Biblioteca fundamental para computação científica em Python.
- **Pillow (PIL):** Biblioteca de processamento de imagens que permite abrir, manipular e salvar arquivos de imagem em muitos formatos diferentes.
- **Scikit-Image:** Biblioteca para processamento avançado de imagens, utilizada aqui para calcular a GLCM.
- **Transformers (Hugging Face):** Biblioteca que fornece modelos de linguagem e visão, incluindo o BLIP para descrição de imagens e o MarianMT para tradução automática.
- **gTTS (Google Text-to-Speech):** Biblioteca para conversão de texto para voz, utilizada para gerar arquivos de áudio em português.
- **Gradio:** Biblioteca que facilita a criação de interfaces web interativas para modelos de aprendizado de máquina.

## Fluxo de Trabalho

1. **Carregamento da Imagem:** O usuário carrega uma imagem na interface web.
2. **Detecção de Objetos:** A imagem é processada pelo YOLOv5 para identificar e descrever objetos presentes.
3. **Análise de Cor e Textura:** A temperatura de cor e a textura da imagem são analisadas usando técnicas de média RGB e GLCM, respectivamente.
4. **Descrição Semântica:** O modelo BLIP gera uma descrição textual da imagem, que é então traduzida para o português usando MarianMT.
5. **Conversão para Voz:** A descrição completa é convertida em áudio usando gTTS.
6. **Feedback ao Usuário:** A interface Gradio exibe a descrição textual e fornece o áudio para o usuário.

## Como Utilizar
1. Faça upload de uma imagem.
2. O modelo detectará e descreverá os objetos presentes na imagem.
3. A saída a descrição textual traduzida e um arquivo de áudio com a descrição.