Stagiaire Ingénieure PFE — Edge AI & IoT
Projet de fin d'études : développement d'un système intelligent de détection de maladies des plantes combinant edge computing et communication IoT sur une zone rurale.
- Entraînement d'un modèle EfficientNetB0 sur 54 305 images couvrant 38 classes de maladies, atteignant 99% de précision en classification.
- Optimisation du modèle en TensorFlow Lite (4,7 Mo) pour déploiement sur Raspberry Pi 4, réduisant le temps d'inférence à environ 487 ms.
- Conception de la couche de communication LoRaWAN (ESP32 + SX1278 à 868 MHz, SF7/BW125) avec un taux de succès des paquets de 96%.
- Développement d'un dashboard web Flask avec streaming MJPEG et visualisation en temps réel des détections de maladies via requêtes HTTP POST.
- Intégration du système complet de bout en bout : capture d'images → inférence → transmission LoRaWAN → affichage web.
Environnement technique