Retour aux projets
PrototypeMachine LearningÉquipe de 5 · responsable du volet IA
Détection d'aliments béninois
Prise en charge intégrale du volet IA : fine-tuning de YOLO sur plus de 1 000 images labellées manuellement pour détecter les composants de plats traditionnels. Augmentation de données avancée, déploiement mobile optimisé, extensible à d'autres cuisines africaines.
75 %
Précision de détection moyenne
25+
Classes d'aliments détectées
1 000+
Images labellées manuellement
Stack
PythonYOLOPyTorchOpenCVHugging FaceFastAPIDocker
- Collecte et labellisation manuelle d'un dataset conséquent d'images de plats locaux
- Gestion de la variabilité visuelle des plats traditionnels (présentation, éclairage, angle)
- Optimisation du modèle pour fonctionner sur des appareils mobiles avec ressources limitées
- Équilibrage du dataset pour éviter les biais de détection
- Pipeline de labellisation collaborative avec l'équipe
- Techniques d'augmentation de données pour enrichir le dataset
- Post-processing pour améliorer la précision
- Modèle capable de détecter plus de 25 types d'aliments locaux
- Précision de détection moyenne de 75 % sur le jeu de test
- Base solide pour une extension vers d'autres cuisines africaines
Une question sur ce projet ?
Me contacter