Detailed description

Le projet démarre par la collecte d’images : je vous fournis un protocole de prise de vue et nous vérifions ensemble la répartition des classes. J’entraîne ensuite un modèle compact, je le convertis en TensorFlow Lite et je mesure sa précision sur des images que le modèle n’a jamais vues. Je développe l’application Flutter autour : capture, résultat avec niveau de confiance, saisie d’un commentaire, file de synchronisation. La livraison comprend les fichiers de publication sur les magasins d’applications et le script pour réentraîner le modèle avec de nouvelles images. Je limite volontairement le nombre de commandes en parallèle pour tenir ce délai. Outils utilisés : TensorFlow, SQLite, FastAPI, Flutter. Le délai de 38 jours court à partir du moment où j'ai tout ce qu'il faut.

Problem solved

Vos techniciens ou commerciaux travaillent sur le terrain avec une connexion instable. Ils doivent identifier une référence, un défaut ou un état à partir de ce qu’ils voient, et les erreurs coûtent cher.

Promised outcome

Une application Android et iOS qui reconnaît les cas prévus à partir de l’appareil photo, fonctionne hors ligne et synchronise les observations dès que le réseau revient.

Features

• protocole de collecte d’images
• modèle TensorFlow Lite et rapport de précision
• application Flutter Android et iOS
• synchronisation hors ligne vers une API
• script de réentraînement documenté

At a glance

Industry

Industry

Platforms and compatibility

• Android
• iOS
• API

Technologies

• TensorFlow Lite
• TensorFlow
• Flutter
• SQLite
• FastAPI

Interface languages

French · Arabic · English

Wilaya

Algiers

Trust

• Listing reviewed and approved by the Elite.red team

Terms