Application web Flask qui diagnostique automatiquement l’alternariose (early blight) sur les feuilles de tomate à partir d’une photo.
- Upload d’image simple
- Prétraitement automatique (contraste, lissage, normalisation)
- Prédiction par un modèle de régression logistique (94 % de précision)
- Interface responsive et intuitive
- Pages d’information sur la maladie et formulaire de contact
- Algorithmes testés : SVM linéaire, régression logistique
- Meilleure précision : 94 % (régression logistique)
- Prétraitement : égalisation d’histogramme → filtre moyenneur → redimensionnement 128×128 → normalisation
| Page d’accueil | Page about |
|---|---|
 |
 |
| Résultat sain | Résultat malade |
|---|---|
 |
 |
- Création d’une API REST : Exposer le modèle via une API (par exemple
/api/predict) pour permettre son intégration dans des applications mobiles, des drones agricoles ou des systèmes tiers. - Passer à un modèle plus profond : Tester des architectures CNN (ResNet, EfficientNet) pour améliorer la précision.
- Augmentation des données : Enrichir l’ensemble d’apprentissage avec des feuilles prises sous différents angles, luminosités et stades de la maladie.
- Déploiement cloud : Héberger l’API sur un serveur (AWS, GCP, Heroku) pour une disponibilité 24/7.
- Interface temps réel : Ajouter un mode webcam pour diagnostiquer des plants en direct.
- Intégration drone : Embarquer le modèle sur un drone pour scanner automatiquement de grandes parcelles.
© 2024 TomatoDocAI ( Projet réalisé en 2024 )