Dataset and Models - Tracking of Melipona capixaba Bees using Computer Vision

Este repositório armazena o conjunto de dados e os pesos pré-treinados dos modelos utilizados no artigo "Rastreamento de Abelhas da Espécie Melipona capixaba utilizando Visão Computacional", aceito no WCAMA 2026. O objetivo deste trabalho é propor um pipeline de visão computacional voltado para o monitoramento não invasivo e a automação da contagem de fluxo em colmeias da espécie Melipona capixaba (espécie endêmica e em perigo de extinção). O projeto avalia o trade-off tecnológico entre modelos baseados em Transformers (RT-DETR) e redes convolucionais (YOLO11n, YOLO26n) sob quantização, integrados ao algoritmo ByteTrack para rastreamento multi-alvos (MOT). 📦 Conteúdo dos Arquivos dataset_abelhas_v3.zip: Conjunto de dados completo com imagens estruturadas e anotadas no formato YOLO, divididas em conjuntos de treino, validação e teste, além do arquivo de metadados data.yaml. modelos.zip: Arquivo consolidado contendo os pesos das três arquiteturas testadas (YOLO11n, YOLO26n e RT-DETR). Cada arquitetura está organizada em sua respectiva pasta e exportada em múltiplos formatos e precisões (PyTorch .pt, ONNX FP16/FP32, OpenVINO FP32/FP16/INT8 e NCNN), prontas para execução otimizada em hardware de borda como o Raspberry Pi 5. 🚀 Como Consumir os Dados Os arquivos aqui disponibilizados foram projetados para serem baixados e estruturados de forma totalmente automatizada através do script setup_assets.py presente no repositório oficial do projeto no GitHub. O script realiza o download direto do Zenodo (Record ID: 20276311), descompacta as arquiteturas em subpastas específicas (modelos/rtdetr, modelos/yolo11n e modelos/yolo26n) e realiza a limpeza dos arquivos temporários automaticamente para poupar armazenamento no sistema embarcado. Para acessar o código-fonte completo, notebooks de treinamento e instruções de execução, acesse o repositório no GitHub: https://github.com/lesc-ufv/wcama2026-melipona-tracking