hermankamdem/modele_IA

Modele de reconnaissance de semences de mais suivant certains criteres tels que la variete, l'etat , et la qualite # 🌽 Classificateur de Maïs - Application Web Application web moderne pour la classification automatique de grains de maïs utilisant l'intelligence artificielle (YOLO11). ## 🚀 Fonctionnalités - **Classification automatique** : Détection et classification des variétés de maïs - **Interface moderne** : Design responsive avec Bootstrap et Lucide icons - **Gestion des sessions** : Historique et comparaison des analyses - **Export PDF** : Génération de rapports détaillés - **File d'attente** : Traitement asynchrone avec suivi en temps réel - **Cache intelligent** : Optimisation des performances - **Authentification** : Système de connexion sécurisé ## 🛠️ Technologies utilisées - **Backend** : Flask (Python 3.11+) - **Base de données** : SQLite - **Frontend** : Bootstrap 5, Lucide Icons - **IA** : Ultralytics YOLO11 - **Traitement d'images** : OpenCV, Pillow - **Export** : ReportLab (PDF) ## 📋 Prérequis - Python 3.11 ou supérieur - pip (gestionnaire de paquets Python) - Modèles YOLO11 entraînés (voir section Modèles) ## 🔧 Installation ### 1. Cloner le projet ```bash git clone cd infer ``` ### 2. Créer un environnement virtuel ```bash python -m venv .venv # Windows .venv\Scripts\activate # Linux/Mac source .venv/bin/activate ``` ### 3. Installer les dépendances ```bash pip install -r requirements.txt ``` ### 4. Configuration de l'environnement Copiez le fichier d'exemple et configurez vos variables d'environnement : ```bash # Option 1: Copie manuelle cp env.example .env # Option 2: Utiliser le script Python python create_env.py ``` Modifiez le fichier `.env` selon vos besoins (voir section Configuration). ### 5. Préparer les modèles Placez vos modèles YOLO11 dans le dossier `trained_models/` avec la structure suivante : ``` trained_models/ ├── seed_detection/ │ └── best.pt ├── variety_classification/ │ └── best.pt └── quality_classification/ └── best.pt ``` ### 6. Initialiser la base de données ```bash python seed_data.py ``` ### 7. Lancer l'a …