الوصف المفصّل

Ce projet de master a démarré avec un jeu de données public d'images de feuilles, complété par environ 600 photos que j'ai prises dans deux serres près de chez moi. J'ai comparé plusieurs architectures légères, puis retenu MobileNetV3 affiné en PyTorch et exporté en TensorFlow Lite. Une grande partie du travail a porté sur l'écart entre les images de laboratoire et les photos réelles, avec un éclairage et des arrière-plans très variables. La principale leçon : un bon score sur un jeu public ne dit presque rien de la performance sur le terrain.

المشكلة التي يحلّها

Les petits maraîchers repèrent souvent les maladies trop tard, faute de conseil technique à proximité. Une première indication rapide, même approximative, aiderait à décider quand appeler un spécialiste.

النتيجة الموعودة

Le modèle atteint une bonne exactitude sur le jeu de validation et tourne sur un téléphone d'entrée de gamme. Les essais sur des photos prises en serre ont montré une baisse de performance que le rapport analyse.

الوظائف

• Reconnaissance de plusieurs maladies et des feuilles saines
• Inférence hors ligne sur téléphone
• Indice de confiance affiché
• Conseils de première intention
• Rapport d'analyse des erreurs

باختصار

مجال النشاط

الفلاحة

المنصات والتوافق

• أندرويد

التقنيات

• PyTorch
• MobileNetV3
• TensorFlow Lite
• Albumentations
• Flutter

لغات الواجهة

الفرنسية

الولاية

سيدي بلعباس

الثقة

• راجع فريق myElite البطاقة ووافق عليها