Aspect Intégration du projet

Nous planifions d'intégrer du traitement de signaux dans la partie de l'application qui consistera à scanner des tickets de transports.

Cette partie consistera à analyser le ticket en le scannant a l'aide de l'appareil photo pour déterminer si le ticket est en effet valide, mais également vérifier si il n'a pas déjà été utilisé et de quel type de transport il s'agit.

Pour réaliser notre projet, nous allons utiliser différentes technologies importantes, que ce soit pour le projet d'intégration ou pour notre projet de signal lié à ce dernier :

• Kotlin pour son environnement global de programmation,
• Google Vision pour le scan de tickets,
• YoloV5 pour la partie détection d'objets dans des images fixes ou en direct via caméra,
• Pycharm pour le développement de l'application Python liée au projet de traitement de signal,
• Kivy pour lier l'application de traitement de signal à notre projet d'intégration plus facilement,
• Pytorch,
• TensorBoard pour visualiser l'évolution de nos datasets lié à notre projet de traitement de signal,
• Google Collab de YoloV5 pour facilement lancer les trains de nos datasets,
• Roboflow pour créer et utiliser des datasets de machin learning.

Ces différentes technologies nous ont offert des gains de temps assez conséquents et nous ont apportés des fonctionnalités incontournables pour la réalisation de nos projets.
Nous pensons par exemple à Roboflow qui nous a permis de créer nos datasets de traitement de signal, son utilisation simple mais efficace nous a permis de créer bon nombre de datasets composés d'un bon nombre d'images et de ses labels. Roboflow lié au Google Collab de YoloV5 nous a permis "d'entrainé" nos différents datasets afin de les rendre plus performants et rapides.
La librairie Google Vision nous a permis d'établir nos lectures de tickets et ce, de manière assez simple et efficace.
YoloV5 étant une des méthodes de machine learning revenant le plus souvent dans nos recherches de méthode de machine learning, nous avons décidé de nous y intéresser. Nous lierons notre rapport de projet de signal dans la fin de cette section Github pour que vous compreniez mieux notre décision.
Google Collab et TensorBoard nous ont permis de visualiser l'amélioration de nos datasets. Voici un visuel d'un tableau TensorBoard.

Voici le lien vers le rapport de notre projet de traitement de signal : Rapport Traitement de Signal