Detecção de Placas Veiculares em Tempo Real com Yolov8 e Otimização de Câmera

Estamos buscando um desenvolvedor Android experiente para criar uma solução robusta de detecção de placas veiculares em tempo real. O projeto envolve a integração avançada da câmera, otimização de modelos de Machine Learning e processamento de imagem para garantir alta precisão e fluidez em dispositivos Android comuns.

As principais tarefas incluem:

1.  Configuração da captura direta do sensor da câmera (utilizando CameraX ou Camera2 API) sem depender do preview, focando na eficiência da aquisição de imagem.
2.  Ajuste ou substituição do modelo YOLO (versão 8) para otimizar a detecção de placas pequenas ou distantes, visando maior precisão.
3.  Implementação da funcionalidade de recorte da placa diretamente da imagem capturada pelo sensor.
4.  Garantia de fluidez e desempenho em tempo real, sem travamentos, em uma variedade de dispositivos Android comuns.
5.  Manutenção do fluxo atual de envio do recorte da placa para o nosso serviço de ocr em nuvem, sem a necessidade de alterações no ocr existente.
6.  Aplicação de otimizações no pré-processamento da imagem, como ajuste de contraste e correção de perspectiva, para melhorar a qualidade da entrada para o modelo yolo e o ocr.

Requisitos essenciais:

*  Proficiência em Kotlin e Android Studio.
*  Experiência comprovada com YOLOv8 e frameworks de inferência como Tflite, onnx ou ncnn.
*  Domínio das APIs CameraX ou Camera2 para controle avançado da câmera.
*  Conhecimento aprofundado em pré-processamento de imagens para Machine Learning.
*  Capacidade de otimizar o desempenho da aplicação, incluindo o uso eficiente de threads e gerenciamento de buffer.