Comment ça marche ?
Pour utiliser l'application, il vous suffit de sortir votre smartphone
et de prendre une photo de l'aliment que vous souhaitez donner à votre
chien. L'application se chargera d'analyser la photo que vous venez de
prendre à l'instant ou celle que vous venez de charger depuis votre
photothèque. Dès lors que l'analyse est terminée, une notification
apparait sur votre écran et vous indique avec une flèche verte si
l'aliment est comestible, ou une croix rouge lorsque l'aliment est
nocif.
Votre écran s'affichera de la sorte :
Les technologies requises
Application mobile : React Native
C'est une application qui est destinée à un usage mobile uniquement car
elle nécessite l'utilisation d'une camera; or, le smartphone rempli
parfaitement cette fonction. De plus, je souhaite créer une application
utilisable par tous, à tout moment. Pour ce faire, on va concevoir une
application style "cross-plateforms" plutot qu'une application "native"
pour ainsi permettre aux utilisateurs de iOS et d'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 (c'est à dire que une communauté peut nous venir en
aide si on en a besoin), 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 la gallerie photo ou directement depuis la caméra du smartphone.
Reconnaissance d'images : ml5.js
L'application étant basée sur la reconnaissance d'aliments, ml5.js et
notamment sa fonctionnalité "image classifier" vont être nécessaire pour
parvenir à la création de l'application. On va utiliser le machine
learning de "image classifier " afin de reconnaitre et de labéliser les
aliments.
On pourra se servir de ce code de "image classifier" afin d'obtenir le
résultat escompté.
// Initialize the Image Classifier method with MobileNet
const classifier = ml5.imageClassifier('MobileNet', modelLoaded);
// Make a prediction with a selected image
classifier.classify(document.getElementById('image'), (err, results) = {
console.log(results);
});
Base de données : SQLite
On va également avoir besoin d'une base de données. Nous allons commencé
par récuperer le résultat fourni par ml5.js avant d'interroger une base
de donnée. Une des bases de données qui pourrait être utilisée est
"SQLite" qui a l'avantage d'être gratuite et opensource. Cette base de
données pourra nous permettre de classifier tous les éléments comme
étant soit "nocifs", soit "comestibles".
Environnement côté serveur : Node.JS
Afin de parvenir à la création de l'application, Node.JS sera également
nécessaire afin de déterminer l'environnement permettant d’exécuter du Javascript côté serveur.
