Champi Guess
Présentation du projet
Vous êtes vous déjà retrouvé dans une situation où lors d'une balade en forêt vous avez vu un champignon sans savoir son nom et ses caractéristiques? Et bien grâce à Champi Guess, vous allez pouvoir retrouver toutes les informations concernant un champigon que vous voyez dans la nature: son nom, s'il est coméstible ou non, une description de son aspect... Plus de risques maintenant, Champi Guess est là pour vous guider!
Comment ça marche?
Pour utiliser l'application, il vous suffira de sortir votre téléphone et de prendre une photo du champignon que vous souhaitez analyser. Le logiciel se chargera d'analyser la photo que vous venez de prendre ou bien vous pourrez en charger une depuis votre phototèque. Une fois l'analyse de la photo effectuée, la fiche technique du champignon apparaitra et indiquera s'il est dangereux ou non
Les technologies requises
Reconnaissance d'images: ml5.js
L'application étant basée sur la reconnaissance de champignons, ml5.js et notamment sa fonctionnalité "image classifier" vont être nécéssaire pour parvenir à la création de l'application. Nous allons donc utiliser le machine learning de "image classifier" afin de reconnaître et étiqueter les champignons. On pourra se servir de ce code de "image classifier" afin d'obtenir le résultat voulu
Application mobile: React Native
C'est une application qui est destinée à un usage mobile uniquement car elle nécéssite l'utilisation d'une caméra, ce dont est équipé un smartphone. Par ailleurs, je souhaite créer une application utilisable par tous, à tout moment. Pour se faire, on va créer une application de type "cross platforms" pour permettre aux utilisateurs d'iOS et Android d'avoir accès à l'application. On va choisir "React Native" qui est un langage permettant de traduire en iOS et Android ; de plus ce langage est gratuit, opensource et est porté par facebook.
On se servira du module React Native Image Picker afin d'utiliser l'interface native pour sélectionner une photo ou vidéo depuis sa gallerie photo ou bien directement depuis la caméra du smartphone.
Base de donnée: SQLite
On va également avoir besoin d'une base de données dans laquelle l'application pourra comparer les images. Nous allons commencer par récupérer le résultat fourni par ml5.js avant d'interroger une base de données . Une qui pourrait être utilisée est SQLite qui a l'avantage d'être gratuite et opensource. Elle pourra nous permettre de classifier tous les éléments comme étant comestibles et nous donner leur fiche technique.
Les ressources utilisées
Image Classifier on ml5.js
React Native Documentation
SQLite website