03
InstaFlore
Modèle, application, pipeline de traitement
environnement
application mobile Flutter
temps
Master 2 INSA (1 mois en binôme)
contexte
module transfer learning
// pourquoi
Une application Flutter qui identifie des fleurs en temps réel grâce à un modèle exécuté directement sur le téléphone. Aucune connexion internet n'est nécessaire.
Fonctionnalités
›Détection caméra en direct : viser une fleur et obtenir une identification instantanée avec un score de confiance.
›Analyse depuis la galerie : choisir une image et l'analyser en un geste.
›Cinq classes : marguerite, pissenlit, rose, tournesol, tulipe — plus un carrousel d'introduction en trois étapes au premier lancement.
Le modèle
›MobileNetV2 pré-entraîné sur ImageNet, affiné sur le jeu de données TensorFlow Flowers (~3 670 images).
›Entraînement en deux phases : tête de classification seule (20 époques, lr=1e-3), puis fine-tuning à partir de la couche 100 (30 époques, lr=5e-5).
›Augmentation de données, Dropout, régularisation L2, EarlyStopping et ReduceLROnPlateau. Précision sur le jeu de test : 94 %.
Prétraitement des images
›CameraImage (YUV420 / BGRA8888) → conversion RGB → redimensionnement 224×224 → normalisation ×2,0 − 1,0 → Float32List [1×224×224×3] → inférence TFLite.
›La normalisation ramène les valeurs de pixels dans l'intervalle [−1, 1], comme l'exige MobileNetV2.
// outils
FlutterDartTensorFlow LiteMobileNetV2PythonKeras
// code
githublotfi8rbh/instaFlore