YOLO para Detección de Objetos: Implementación con Python y Ultralytics

¿Qué es YOLO?

YOLO (You Only Look Once) es una familia de modelos de detección de objetos en tiempo real. A diferencia de otros métodos que analizan la imagen en múltiples pasos, YOLO procesa toda la imagen en una sola pasada, logrando velocidades de hasta 100+ FPS.

Evolución de YOLO

• YOLOv1-v3: Fundamentos del modelo
• YOLOv5: Popularizó YOLO con PyTorch
• YOLOv8: Arquitectura mejorada de Ultralytics
• YOLOv10/v11: Versiones más recientes con mejor precisión

---

Instalación de YOLOv11

Requisitos

• Python 3.8+
• GPU con CUDA (recomendado) o CPU
• pip o conda

Instalación con pip

pip install ultralytics

Verificar instalación

from ultralytics import YOLO
# Cargar modelo preentrenado
model = YOLO('yolo11n.pt')  # nano (más rápido)
# model = YOLO('yolo11s.pt')  # small
# model = YOLO('yolo11m.pt')  # medium
# model = YOLO('yolo11l.pt')  # large
# model = YOLO('yolo11x.pt')  # extra large (más preciso)
print("YOLO instalado correctamente!")

---

Tu Primera Detección

Detectar objetos en una imagen

from ultralytics import YOLO
import cv2
# Cargar modelo
model = YOLO('yolo11n.pt')
# Inferencia en imagen
results = model('imagen.jpg')
# Mostrar resultados
for result in results:
    # Obtener imagen con bounding boxes
    annotated = result.plot()
    cv2.imshow('Detecciones', annotated)
    cv2.waitKey(0)
# Acceder a detecciones
    for box in result.boxes:
        clase = result.names[int(box.cls)]
        confianza = float(box.conf)
        coordenadas = box.xyxy[0].tolist()  # [x1, y1, x2, y2]
        print(f"{clase}: {confianza:.2f} en {coordenadas}")

Detección en video en tiempo real

from ultralytics import YOLO
import cv2
model = YOLO('yolo11n.pt')
# Abrir webcam (0) o video
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
# Inferencia
    results = model(frame)
    annotated = results[0].plot()
cv2.imshow('YOLO en Tiempo Real', annotated)
if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

---

Entrenamiento Personalizado

Preparar dataset (formato YOLO)

dataset/
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
├── val/
│   ├── images/
│   └── labels/
└── data.yaml

Formato de labels (un archivo .txt por imagen)

# clase x_centro y_centro ancho alto (normalizado 0-1)
0 0.5 0.5 0.2 0.3
1 0.3 0.7 0.15 0.25

Archivo data.yaml

path: ./dataset
train: train/images
val: val/images
names:
  0: persona
  1: auto
  2: perro

Entrenar el modelo

from ultralytics import YOLO
model = YOLO('yolo11n.pt')  # Partir de modelo preentrenado
results = model.train(
    data='data.yaml',
    epochs=100,
    imgsz=640,
    batch=16,
    device=0,  # GPU 0
    patience=20,  # Early stopping
)

---

Optimización de Rendimiento

1. Elegir el modelo correcto

2. Exportar a formatos optimizados

# Exportar a ONNX (multiplataforma)
model.export(format='onnx')
# Exportar a TensorRT (NVIDIA, máximo rendimiento)
model.export(format='engine')
# Exportar a CoreML (Apple)
model.export(format='coreml')

3. Reducir tamaño de imagen

results = model(frame, imgsz=320)  # Más rápido que 640

4. Usar half precision (FP16)

model = YOLO('yolo11n.pt')
model.to('cuda')
model.half()  # FP16 en GPU

---

Casos de Uso Reales

1. Control de inventario

Detectar productos en estantes para gestión automática de stock.

2. Seguridad

Detección de intrusos, reconocimiento de placas, conteo de personas.

3. Agricultura

Identificar plagas, contar frutos, monitorear cultivos con drones.

4. Manufactura

Control de calidad visual, detección de defectos en línea de producción.

---

Conclusión

YOLO democratizó la visión artificial. Con pocas líneas de código puedes implementar detección de objetos de nivel producción.

¿Necesitas implementar visión artificial en tu proyecto? Contactame y te ayudo a diseñar la solución.