maxviiiy/PHYTO-SENSE-Algeria

# PHYTO-SENSE Algeria Projet PHYTO-SENSE ALGERIA — Système multi-modal de détection précoce du stress des palmiers dattiers ## Ce que vous devez faire - Explorer et visualiser le dataset - Construire et entraîner un CNN simple - Évaluer le modèle avec des courbes et une matrice de confusion - Tester au moins une amélioration (data augmentation, transfer learning) - Répondre aux questions intégrées dans le challenge ## Pourquoi ce challenge ? L'Algérie est le 4e producteur mondial de dattes avec 18,7 millions de palmiers dattiers dans les wilayas du sud. La variété Deglet Nour rapporte plus de 500 millions de dollars en exportations chaque année. Ces palmiers font face à trois menaces majeures : - **Bayoud (Fusarium oxysporum)** : 12 millions de palmiers détruits en Afrique du Nord - **Charançon rouge (RPW)** : en progression depuis les pays voisins - **Stress hydrique** : pertes silencieuses et massives dans les oasis Le projet PHYTO-SENSE vise à détecter ces problèmes 24 à 48 heures avant l'apparition des symptômes visibles. Votre mission est de construire la brique de vision par ordinateur de ce système. ## Objectif Construire un modèle CNN capable de classifier des images de feuilles de palmiers dattiers en catégories : sain, maladie ou stress. Ce modèle correspond au module `vision_pipeline.py` du projet PHYTO-SENSE. ## Planning — 7 jours ### Jour 1 et 2 — Exploration du dataset - Télécharger le dataset Date Palm depuis Kaggle - Identifier les classes disponibles et compter le nombre d'images par classe - Afficher 10 images aléatoires par classe avec matplotlib - Analyser la répartition des classes et déterminer si le dataset est équilibré - Décrire les symptômes visuels observés sur les feuilles malades par rapport aux feuilles saines ### Jour 3 et 4 — Prétraitement et construction du modèle - Redimensionner toutes les images en 224 x 224 - Normaliser les pixels en divisant par 255 - Séparer les données en Train (70%), Validation (15%) et Test (1 …