Xadrez Automatizado com OpenCV e Arduino

Este projeto tem como objetivo construir um sistema de xadrez físico automatizado que utiliza visão computacional (OpenCV) para detectar movimentos no tabuleiro e Stockfish, uma poderosa engine de xadrez, para calcular a melhor jogada. O sistema então sinaliza a jogada da máquina através de LEDs controlados por um microcontrolador (ex: Arduino ou ESP32).

---

Funcionalidades

• Detecção de movimento das peças no tabuleiro usando OpenCV;
• Reconhecimento da jogada realizada pelo jogador humano;
• Cálculo da melhor jogada via engine Stockfish;
• Indicação visual da jogada da máquina com LEDs conectados ao Arduino.

---

Requisitos

• Python 3.8+
• Stockfish Chess Engine
• OpenCV
• Arduino IDE
• Docker (opcional para uso em ambiente isolado)

---

Instalação

1. Instale o Stockfish:

sudo apt install stockfish

Ou baixe diretamente do site: https://stockfishchess.org/download/linux/

2. Instale as dependências do Python:

. install.sh

(O script install.sh deve conter os comandos para instalar opencv-python, numpy, python-chess, pyserial, etc.)

---

Treinamento e Detecção de Peças (OpenCV)

Você pode usar ferramentas como opencv_createsamples e opencv_traincascade para treinar detectores em cascata para as peças de xadrez:

opencv_createsamples -info pos.dat -w 24 -h 24 -num 1000 -vec pos.vec

opencv_traincascade -data cascade/ -vec pos.vec -bg neg.txt -w 24 -h 24 -numPos 200 -numNeg 100

# Exemplo com menos imagens (rápido para testes)
opencv_traincascade -data cascade/ -vec pos.vec -bg neg.txt -w 24 -h 24 -numPos 20 -numNeg 500 -numStages 10

Você também pode utilizar a API do Roboflow para detecção de imagens:

base64 negativas/1701128875.2898896.jpg | curl -d @- "https://detect.roboflow.com/chess-4jvm8/1?api_key=Yc9P3iOmEuSts3mFZLd3"

Treinamento com YOLO:

yolo detect train data=dataset/data.yaml model=yolov8n.pt epochs=100 imgsz=640,360 augment=True

Continuar treinamento

Após anotar as imagens no ROBOFLOW, basta mesclar os diretórios com

rsync -av --ignore-existing datasetV5/ dataset/

E depois re-treinar o YOLO8

yolo detect train model=yolov8n.pt data=dataset/data.yaml epochs=100 imgsz=640,360 augment=True

---

Uso com Docker

Se desejar isolar o ambiente com Docker:

docker compose run opencv
cd app/

---

Referências

• Chessboard Detection - GitHub
• Tutorial de Cascade Classifier - OpenCV
• Vídeo explicativo (YouTube)

---

Autor

Pedro Henrique de Assumpção
Engenharia de Controle e Automação – IFRS Campus Farroupilha

TCC

• Fazer checkpoint para relatar nos resultados
• Falar nos resultados sobre os testes de código
• Dizer nas conclusões sobre github e versionamento de testes e código e yolo