Eu criei uma IA de detecção de objetos por US$ 47. Agora, 6 empresas me pagam US$ 11.000/mês.

US$ 47 em ferramentas. US$ 11.000 em faturas. No mesmo mês.

Uma câmera conta carros, pessoas, caixas, qualquer coisa que você aponte. Ela funcionou em 6 locais no mês passado e eu mexi nela duas vezes.

um quadro. 6 objetos emoldurados e identificados em 40ms.

A maioria das pessoas acha que isso exige um PhD e uma fazenda de GPUs. Na verdade, basta uma webcam e um fim de semana.

Quem descobriu isso está faturando silenciosamente US$ 1.800/mês de empresas locais para contar o que um humano costumava contar manualmente.

Aqui está a construção completa.

O que realmente é

Uma câmera aponta para algo. O modelo emoldura cada objeto, identifica e conta.

A empresa paga por um número: quantos. Quantos carros entraram, quantas pessoas entraram, quantas caixas foram movidas.

Esse número antes precisava de uma pessoa com uma prancheta. Agora precisa de um arquivo em um servidor de US$ 6.

Esse é o sistema.

O pipeline, do início ao fim

Câmera alimenta RTSP: ao vivo YOLO11 detecta: 40ms por quadro ByteTrack atribui IDs: tempo real Contador registra em CSV: instantâneo Streamlit exibe painel: 24/7

Tempo total de construção: um fim de semana. Custo total de execução: US$ 47/mês. Linhas que você realmente edita: uma.

Passo 1: Instale a pilha

1pip install ultralytics supervision opencv-python

Uma linha no terminal. YOLO11 detecta, supervision conta, opencv lê o vídeo.

Não é programador? Este é o único comando de configuração em toda a construção. Cole uma vez e ele instala tudo. A partir daqui, você clona um arquivo e altera uma linha: o link da sua câmera.

Passo 2: Detecte qualquer coisa em 4 linhas

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4results = model("street.jpg")
5results[0].show()

YOLO11 já vem sabendo reconhecer 80 objetos: pessoa, carro, bicicleta, caminhão, cachorro, garrafa. Aponte para qualquer imagem e ele os emoldura. Nenhum treinamento ainda.

Altere uma linha: troque "street.jpg" pela sua própria foto. Essa é toda a edição.

Passo 3: Execute ao vivo em uma câmera

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.predict(source=0, show=True)   # 0 = webcam, ou cole uma URL RTSP

Troque 0 por um link RTSP e ele lê qualquer câmera de segurança do prédio. Este é o momento em que o cliente se interessa.

Altere uma linha: cole o link da câmera do cliente onde está o 0. Todo o resto permanece.

Passo 4: Rastreie e conte, não apenas detecte

A detecção sozinha conta o mesmo carro novamente em cada quadro. O ByteTrack atribui um ID a cada objeto e o mantém entre os quadros, para que você conte cada coisa uma vez ao cruzar uma linha.

1import cv2
2from ultralytics import YOLO
3import supervision as sv
4
5model = YOLO("yolo11n.pt")
6tracker = sv.ByteTrack()
7line = sv.LineZone(start=sv.Point(0, 500), end=sv.Point(1920, 500))
8annot = sv.LineZoneAnnotator()
9
10cap = cv2.VideoCapture("traffic.mp4")
11while True:
12    ok, frame = cap.read()
13    if not ok:
14        break
15    result = model(frame, conf=0.5)[0]
16    detections = sv.Detections.from_ultralytics(result)
17    detections = tracker.update_with_detections(detections)
18    line.trigger(detections)
19    frame = annot.annotate(frame, line_counter=line)
20    cv2.imshow("count", frame)
21    if cv2.waitKey(1) == 27:
22        break

line[dot]in_count e line[dot]out_count armazenam os totais ao vivo. Esse é o produto. Você copia este bloco inteiro, não o escreve.

Meu primeiro demo falhou aqui. A câmera contava sombras como pessoas, então o cliente do estacionamento viu 400 carros em um lote vazio. A correção foi conf=0.5, a linha já está no código acima: ignore qualquer coisa da qual o modelo não tenha 50% de certeza. Aumente, os fantasmas desaparecem. O cliente assinou no dia seguinte.

Passo 5: Ensine-o a contar SEU objeto

As 80 classes padrão cobrem carros e pessoas. Quando um cliente quer paletes, garrafas de vinho ou gado, o Roboflow faz a parte difícil no navegador. Você arrasta 200 fotos, clica em caixas ao redor do objeto, clica em treinar. Sem código.

rotulando uma classe personalizada no Roboflow. clique, nomeie, pronto

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.train(data="dataset.yaml", epochs=50, imgsz=640)

50 épocas em uma GPU gratuita do Colab leva 20 minutos. De qualquer forma, o mesmo pipeline agora conta qualquer coisa que você mostrou a ele. Esta é a linha do título.

Passo 6: Registre cada número

1import csv, datetime
2
3def log_count(label, count):
4    with open("counts.csv", "a", newline="") as f:
5        csv.writer(f).writerow([datetime.datetime.now(), label, count])

Uma linha CSV por evento. Este arquivo transforma um script em um relatório que a empresa pode ler. Já está integrado ao arquivo que envio para você.

Passo 7: Coloque atrás de um painel

1import streamlit as st
2import pandas as pd
3
4df = pd.read_csv("counts.csv", names=["time", "object", "count"])
5st.metric("Total hoje", int(df["count"].sum()))
6st.line_chart(df, x="time", y="count")

Execute streamlit run app[dot]py, aponte um domínio para o servidor, envie um link para o cliente. Eles fazem login e veem seus próprios números em movimento. Esse link é pelo que você cobra.

O custo

Maneira antiga vs esta construção:

• Modelo - Equipe de CV, 6 meses → YOLO11, gratuito, 5 minutos
• Rotulagem - Empresa de anotação → Roboflow, aponte e clique
• Hardware - Caixa GPU local, US$ 4.000 → Servidor em nuvem, US$ 46/mês
• Painel - Desenvolvedor contratado, US$ 8.000 → Streamlit, gratuito
• Domínio - Retentor de agência → US$ 12/ano, cerca de US$ 1/mês

Servidor + domínio custam US$ 47/mês. Um cliente cobre isso 38 vezes.

Como conquistar o primeiro cliente

Pule o pitch deck. Entre em uma empresa que já tem câmeras e conta algo manualmente. Um estacionamento, uma academia, um café, um pequeno armazém.

Peça o link RTSP deles ou 2 minutos do feed da câmera. Execute o arquivo no seu laptop ali mesmo. Mostre a eles a própria porta com números ao vivo.

Ver a própria câmera contando para eles fecha o negócio mais rápido do que qualquer slide. Meus primeiros 3 clientes assinaram na mesma visita.

Como isso se transforma em US$ 11.000/mês

Você vende o número, não o código.

Mês 1

- Construído no meu laptop. Primeiro cliente: um estacionamento querendo contagens de carros por hora. US$ 500/mês.

Mês 3

- 3 clientes: estacionamento, um contador de porta de varejo, uma academia monitorando horários de pico. US$ 4.500/mês.

Mês 6

- 6 clientes a US$ 1.800 em média. Um armazém contando paletes, um café contando tráfego de pedestres, um serviço de bicicletas compartilhadas monitorando racks. US$ 11.000/mês.

Mês 12

- Pare de vender configurações, venda logins. Um painel por cliente, preço mensal. Acima de US$ 20.000/mês com custo ainda abaixo de US$ 60.

O trabalho é feito uma vez. As faturas se repetem.

Comece aqui

A pilha é gratuita. A câmera já está na parede. Você edita uma linha e executa um arquivo.

comente "DETECT" e enviarei o arquivo completo: o link da câmera vai no topo, todo o resto se executa sozinho. Caderno de treinamento e modelo dataset[dot]yaml incluídos.

As empresas na sua rua contaram manualmente hoje. Elas farão isso de novo amanhã, a menos que alguém apareça com o link da câmera.