JoseRFJuniorLLMs/Malaria-Africa

Malaria-Africa # Angola Malaria Diagnosis System ## 🔬 Visão Geral Sistema híbrido (Edge/Cloud) para diagnóstico automatizado de malária utilizando microscópios digitais e Inteligência Artificial (YOLOv8). O sistema captura imagens de lâminas sanguíneas, processa-as em tempo real para detectar parasitas e fornece uma interface web para análise médica. --- ## 🚀 Funcionalidades Principais * **Detecção em Tempo Real**: Identifica células infectadas e saudáveis. * **Interface Web Moderna**: Streaming de vídeo com bounding boxes desenhados. * **Estatísticas**: Contagem de FPS e proporção de células infectadas. * **Suporte Híbrido**: Funciona com webcams USB padrão ou câmeras de microscópio via RTSP/IP. * **Arquitetura Monorepo**: Estrutura organizada para fácil manutenção e escalabilidade. --- ## 📂 Estrutura do Projeto ```text malaria-detector/ ├── assets/ │ └── models/ │ └── best_yolo.onnx # Modelo de IA convertido ├── static/ │ └── index.html # Interface Web ├── main.go # Servidor Backend (Go) ├── convert_yolo_to_onnx.py # Conversor de Modelo (Python) ├── start.sh # Script de Inicialização ├── requirements.txt # Dependências Python └── go.mod # Dependências Go ``` --- ## 🛠️ Pré-requisitos ### Hardware * **Microscópio**: Compatível com C-Mount (Ex: BDS400). * **Câmera**: USB 3.0 ou Câmera IP (RTSP). * **PC/Laptop**: Processador capaz de rodar inferência (GPU recomendada para alta performance). ### Software 1. **Go 1.21+**: Download 2. **Python 3.10+**: Com `pip`. 3. **OpenCV 4.x**: Necessário para o pacote `gocv`. * **Linux**: `sudo apt install libopencv-dev` * **Windows**: Instalação via GoCV Helper ou MinGW. * **MacOS**: `brew install opencv` --- ## ⚙️ Instalação e Configuração ### 1. Preparar Ambiente Python Crie um ambiente virtual e instale as dependências para conversão do modelo: ```bash python -m venv .venv source …