Visão Computacional - Fluxo

Estamos trabalhando com bombas de gasolina.
Cada bomba de gasolina (dessas que se vê em posto mesmo, nada demais) possui aqueles adesivos bem simples com uma letra G pra Gasolina, D pra Diesel e assim vai.
Além disso possui um adesivo que é colado sobre o display digital, escrito "preço por litro:"
E adesivos grandes com as cores da empresa (identidade visual da shell por exemplo).
Daí, queremos que o operário bata uma foto frontal da bomba, que vai pegar os adesivos com esse "G", o "D", além dos adesivos de identidade visual e adesivo escrito "preço por litro".
Queremos bater uma foto frontal, identificar esses adesivos que comentei acima, saber se estão na posição correta e se são os adesivos certos.

Como assim saber se estão na posição correta?
A shell por exemplo gosta de uma ordem para os combustíveis na bomba, podem querer que da esquerda pra direita tenhamos Diesel, depois Gasolina, depois Aditivada.

Como assim saber se é o adesivo certo?
Embora todo mundo use a letra D pra diesel, cada marca quer a letra D da cor e fonte de texto que prefere. Além disso, o adesivo com os dizeres "preço por litro" tem um irmão quase gêmeo escrito "Price per litre" quando vai pra inglaterra, e outro escrito "Price per liter" quando a bomba vai pros estados unidos, por isso é importante saber que o adesivo tá com as palavras na lingua certa.

E a identidade visual?
As bombas da shell tem aqueles adesivos grandes com linhas horizontais avermelhadas e tudo mais, a bomba da petrobras vai ter um adesivo grande e verde com o BR grandão desenhado.

Era importante, embora não essencial em um primeiro momento que as cores desses adesivos fossem avaliadas.
Como assim cores avaliadas?
Esses adesivos são impressos na fábrica de montagem, mas a impressora pode ter um dia temperamental e imprimir adesivos com um verde musgo em vez de um verde "especificado", e isso dá bastante problema, as bombas tem que ser recolhidas e não é legal.

Podemos colocar estagiários para bater fotos, o ideal sería 100 ou menos no total. Por exemplo, se tivermos numa mesma bomba 5 adesivos de combustível (Gasolina, Diesel, G.Aditivada, Etanol, Identidade Visual) sería interessante que 20 (20 X 5 = 100 fotos totais) fotos de cada adesivo bastassem minimamente pra termos uma precisão de uns 80% de acerto (não precisa ser 100% embora ninguém vá negar se der!)
Os únicos adesivos que mudam muito são os da identidade visual, que são grandões, embora possa acontecer que um mesmo cliente troque a identidade visual própria adicionando pequenos detalhes apenas.

Quem vai tirar a foto, idealmente única e frontal para fazer essas análises a partir de uma rede já treinada, é um operário com um tablet, que vai ter o aplicativo instalado, e idealmente rodando o sistema sem precisar delegar cálculos pra um servidor (precisaríamos implantar esse servidor e sería um trabalho a mais).
Se não for possível bater uma foto única e frontal, bater uma foto de cada adesivo (enquadrando em um frame para facilitar a vida da rede neural) pode ser uma opção.
Já temos um servidor com as fotos base pra serem comparadas com as tiradas por esses operários.