Upload 6 files

README.md

@@ -0,0 +1,69 @@
+# Predict_Fruit_360
+## Description
+Ce projet consiste à entraîner un modèle de deep learning pré-entraîné (ResNet50, MobileNetV2, VGG16) sur un dataset personnalisé pour classer des images de fruits. Une fois le modèle fine-tuné, il est déployé sous forme d'API Flask permettant de faire des prédictions sur de nouvelles images.
+
+## Objectifs
+- Charger et préparer le dataset `PedroSampaio/fruits-360`.
+- Utiliser un modèle pré-entraîné (ResNet50, MobileNetV2, VGG16) pour le fine-tuning.
+- Entraîner le modèle et évaluer sa performance.
+- Déployer le modèle via une API Flask.
+
+---
+
+## Structure du Projet
+```
+📂 fruits_classifier
+│── 📂 templates
+│   └── index.html
+│── 📂 models
+│   └── train.py   # Contient le code d'entraînement et de sauvegarde du modèle
+│── 📂 app
+│   └── deploy.py  # Contient l'API Flask pour le déploiement
+│── 📂 static       # (Si besoin d'ajouter des fichiers CSS/JS)
+│── requirements.txt
+│── README.md
+```
+
+---
+
+## Installation et Utilisation
+
+### 1. Installation des dépendances
+Avant de commencer, assurez-vous d'avoir **Python 3.8+** installé. Ensuite, installez les bibliothèques nécessaires :
+```bash
+pip install torch torchvision flask datasets pillow
+```
+
+### 2. Entraînement du Modèle
+Le script `models/train.py` charge le dataset, applique des transformations et entraîne un modèle MobileNetV2.
+
+Lancer l'entraînement :
+```bash
+cd models
+python train.py
+```
+Une fois l'entraînement terminé, le modèle est sauvegardé dans `models/model_fruits360.pth`.
+
+### 3. Déploiement de l'API Flask
+Le script `app/deploy.py` charge le modèle et crée une API Flask permettant de faire des prédictions.
+
+Lancer l'API :
+```bash
+cd app
+python deploy.py
+```
+L'API sera accessible sur **http://127.0.0.1:5000/**.
+
+### 4. Utilisation de l'Interface Web
+Accéder à l'URL **http://127.0.0.1:5000/** et uploader une image pour obtenir la classe prédite.
+
+---
+
+## Fonctionnalités
+- **Prétraitement des images** : Redimensionnement, normalisation.
+- **Modèles utilisé** : ResNet50, MobileNetV2, VGG16.
+- **Visualisation des performances** : Matrice de confusion et rapport de classification.
+- **Déploiement facile** : API Flask simple et rapide.
+
+## Auteur
+Projet réalisé dans le cadre de la Licence 3 - Computer Vision au **Dakar Institut of Technology**.

deploy.py

@@ -0,0 +1,76 @@
+from flask import Flask, request, jsonify, render_template
+import torch
+from torchvision import transforms, models
+from PIL import Image
+from datasets import load_dataset
+import os
+
+# Vérification du GPU
+device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+# Charger le modèle MobileNetV2
+model = models.mobilenet_v2(weights=models.MobileNet_V2_Weights.DEFAULT)
+model.classifier = torch.nn.Sequential(
+    torch.nn.Dropout(0.2),
+    torch.nn.Linear(1280, 113)  # 113 classes pour Fruits-360
+)
+
+# Charger le modèle avec un chemin correct
+model_path = os.path.join('..', 'models', 'model_fruits360.pth')
+model.load_state_dict(torch.load(model_path, map_location=device), strict=False)
+model.to(device)
+model.eval()
+
+# Charger le dataset Fruits-360
+dataset = load_dataset("PedroSampaio/fruits-360")
+labels = dataset['train'].features['label'].names
+
+# Chemin pour le dossier templates
+app = Flask(__name__, template_folder=os.path.join('..', ''))
+
+# Transformations pour MobileNetV2
+transform = transforms.Compose([
+    transforms.Resize((224, 224)),
+    transforms.ToTensor(),
+    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
+])
+
+# Fonction pour prétraiter l'image
+def preprocess_image(image):
+    image = transform(image).unsqueeze(0).to(device)
+    return image
+
+# Route principale
+@app.route('/')
+def index():
+    return render_template('index.html')
+
+# Route pour la prédiction
+@app.route('/predict', methods=['POST'])
+def predict():
+    try:
+        if 'file' not in request.files:
+            return jsonify({'error': 'Aucun fichier envoyé'})
+
+        file = request.files['file']
+        if file.filename == '':
+            return jsonify({'error': 'Fichier vide'})
+
+        # Charger l'image
+        image = Image.open(file.stream).convert("RGB")
+        image = preprocess_image(image)
+
+        # Prédiction
+        with torch.no_grad():
+            outputs = model(image)
+            _, predicted_class = torch.max(outputs, 1)
+
+        fruit_name = labels[int(predicted_class.item())]
+
+        return jsonify({'class': fruit_name})
+
+    except Exception as e:
+        return jsonify({'error': str(e)})
+
+if __name__ == "__main__":
+    app.run(debug=True)

index.html

@@ -0,0 +1,72 @@
+<!DOCTYPE html>
+<html lang="en">
+<head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>Prédiction Fruits 360</title>
+    <script src="https://cdn.tailwindcss.com"></script>
+</head>
+<body class="bg-gray-100 p-10">
+    <div class="max-w-md mx-auto bg-white p-6 rounded-lg shadow-md">
+        <h1 class="text-2xl font-bold mb-4 text-center">Prédiction des Fruits 🍎🍌🍊</h1>
+        
+        <form id="upload-form" action="/predict" method="post" enctype="multipart/form-data" class="space-y-4">
+            <input type="file" name="file" accept="image/*" required class="block w-full text-sm text-gray-700 file:mr-4 file:py-2 file:px-4 file:rounded-lg file:border-0 file:text-sm file:font-semibold file:bg-blue-50 file:text-blue-700 hover:file:bg-blue-100">
+            <button type="submit" class="w-full bg-blue-500 text-white py-2 rounded-md hover:bg-blue-600">Envoyer</button>
+        </form>
+
+        <div class="mt-6 text-center">
+            <h2 class="text-lg font-semibold mb-2">Image sélectionnée :</h2>
+            <img id="preview" class="mx-auto w-48 h-48 object-cover rounded-lg hidden">
+        </div>
+
+        <h2 class="text-lg font-semibold mt-6">Résultat de la prédiction :</h2>
+        <p id="result" class="text-gray-700 text-center mt-2"></p>
+
+        <div id="loading" class="text-center mt-4 hidden">⏳ Prédiction en cours...</div>
+    </div>
+
+    <script>
+        const form = document.getElementById('upload-form');
+        const preview = document.getElementById('preview');
+        const result = document.getElementById('result');
+        const loading = document.getElementById('loading');
+
+        form.addEventListener('submit', async (event) => {
+            event.preventDefault();
+            const formData = new FormData(form);
+
+            // Afficher l'animation de chargement
+            loading.classList.remove('hidden');
+            result.textContent = '';
+
+            const response = await fetch('/predict', {
+                method: 'POST',
+                body: formData
+            });
+
+            const data = await response.json();
+            loading.classList.add('hidden');
+
+            if (response.ok) {
+                result.textContent = `✅ Classe prédite : ${data.class}`;
+            } else {
+                result.textContent = `❌ Erreur : ${data.error || 'Impossible de prédire'}`;
+            }
+        });
+
+        // Afficher l'aperçu de l'image sélectionnée
+        form.file.addEventListener('change', (event) => {
+            const file = event.target.files[0];
+            if (file) {
+                const reader = new FileReader();
+                reader.onload = (e) => {
+                    preview.src = e.target.result;
+                    preview.classList.remove('hidden');
+                };
+                reader.readAsDataURL(file);
+            }
+        });
+    </script>
+</body>
+</html>

model_fruits360.pth

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:db6b74b473e87a9f0deda45c26646f22ca114d434db1a3d9cdcfc9d379a0a4ad
+size 9721326

requierements.txt

@@ -0,0 +1,182 @@
+aiofiles==23.2.1
+aiohappyeyeballs==2.4.8
+aiohttp==3.11.13
+aiosignal==1.3.2
+altair==5.5.0
+annotated-types==0.7.0
+anyio==4.8.0
+attrs==25.1.0
+audioop-lts==0.2.1
+beautifulsoup4==4.13.3
+blinker==1.9.0
+cachetools==5.5.2
+certifi==2025.1.31
+cffi==1.17.1
+charset-normalizer==3.4.1
+click==8.1.8
+colorama==0.4.6
+contourpy==1.3.1
+cycler==0.12.1
+dataclasses-json==0.6.7
+datasets==3.4.0
+defusedxml==0.7.1
+dill==0.3.8
+distro==1.9.0
+facenet-pytorch==2.5.2
+faiss-cpu==1.10.0
+fastapi==0.115.8
+ffmpy==0.5.0
+filelock==3.17.0
+filetype==1.2.0
+Flask==3.1.0
+fonttools==4.56.0
+frozenlist==1.5.0
+fsspec==2024.12.0
+gitdb==4.0.12
+GitPython==3.1.44
+google-ai-generativelanguage==0.6.15
+google-api-core==2.24.1
+google-api-python-client==2.163.0
+google-auth==2.38.0
+google-auth-httplib2==0.2.0
+google-generativeai==0.8.4
+googleapis-common-protos==1.69.1
+gradio==5.21.0
+gradio_client==1.7.2
+greenlet==3.1.1
+groovy==0.1.2
+grpcio==1.71.0rc2
+grpcio-status==1.71.0rc2
+h11==0.14.0
+httpcore==1.0.7
+httplib2==0.22.0
+httpx==0.28.1
+httpx-sse==0.4.0
+huggingface-hub==0.29.2
+idna==3.10
+itsdangerous==2.2.0
+Jinja2==3.1.5
+jiter==0.8.2
+joblib==1.4.2
+jsonpatch==1.33
+jsonpointer==3.0.0
+jsonschema==4.23.0
+jsonschema-specifications==2024.10.1
+kiwisolver==1.4.8
+langchain==0.3.20
+langchain-community==0.3.19
+langchain-core==0.3.41
+langchain-google-genai==2.0.10
+langchain-openai==0.3.7
+langchain-text-splitters==0.3.6
+langsmith==0.3.11
+markdown-it-py==3.0.0
+MarkupSafe==2.1.5
+marshmallow==3.26.1
+matplotlib==3.10.0
+mdurl==0.1.2
+mock==5.2.0
+mpmath==1.3.0
+multidict==6.1.0
+multiprocess==0.70.16
+mypy-extensions==1.0.0
+narwhals==1.28.0
+networkx==3.4.2
+numpy==2.1.1
+openai==1.65.3
+opencv-python==4.11.0.86
+orjson==3.10.15
+outcome==1.3.0.post0
+packaging==24.2
+pandas==2.2.3
+pillow==11.1.0
+plotly==6.0.0
+propcache==0.3.0
+proto-plus==1.26.0
+protobuf==5.29.3
+psutil==7.0.0
+py-cpuinfo==9.0.0
+pyarrow==19.0.1
+pyasn1==0.6.1
+pyasn1_modules==0.4.1
+pycparser==2.22
+pydantic==2.10.6
+pydantic-settings==2.8.1
+pydantic_core==2.27.2
+pydeck==0.9.1
+pydub==0.25.1
+Pygments==2.19.1
+PyMuPDF==1.25.3
+pyparsing==3.2.1
+pypdf==5.3.1
+PyPDF2==3.0.1
+PySocks==1.7.1
+python-dateutil==2.9.0.post0
+python-dotenv==1.0.1
+python-multipart==0.0.20
+pytz==2025.1
+PyYAML==6.0.2
+referencing==0.36.2
+regex==2024.11.6
+relaxml==0.1.3
+requests==2.32.3
+requests-toolbelt==1.0.0
+rich==13.9.4
+rpds-py==0.23.1
+rsa==4.9
+ruff==0.11.0
+safehttpx==0.1.6
+safetensors==0.5.3
+scikit-learn==1.6.1
+scipy==1.15.2
+seaborn==0.13.2
+selenium==4.29.0
+semantic-version==2.10.0
+sentence-transformers==3.4.1
+setuptools==75.8.1
+shellingham==1.5.4
+simplejson==3.20.1
+six==1.17.0
+smmap==5.0.2
+sniffio==1.3.1
+sortedcontainers==2.4.0
+soupsieve==2.6
+SQLAlchemy==2.0.38
+starlette==0.45.3
+streamlit==1.42.2
+supervision==0.25.1
+sympy==1.13.1
+tenacity==9.0.0
+threadpoolctl==3.5.0
+three==0.8.0
+tiktoken==0.9.0
+tokenizers==0.21.0
+toml==0.10.2
+tomlkit==0.13.2
+torch==2.6.0
+torchaudio==2.6.0
+torchvision==0.21.0
+tornado==6.4.2
+tqdm==4.67.1
+transformers==4.49.0
+trio==0.29.0
+trio-websocket==0.12.2
+typer==0.15.2
+typing-inspect==0.9.0
+typing_extensions==4.12.2
+tzdata==2025.1
+ultralytics==8.3.80
+ultralytics-thop==2.0.14
+uritemplate==4.1.1
+urllib3==2.3.0
+uvicorn==0.34.0
+watchdog==6.0.0
+webdriver-manager==4.0.2
+websocket-client==1.8.0
+websockets==15.0.1
+Werkzeug==3.1.3
+wheel==0.45.1
+wsproto==1.2.0
+xxhash==3.5.0
+yarl==1.18.3
+zstandard==0.23.0