IA : Reconnaissance automatique d’image pour l'identification des animaux

Qu'est ce que c'est ?

Dans le cadre de mes explorations en intelligence artificielle et en développement d’API, j’ai conçu une solution de reconnaissance d’image qui identifie les animaux et fournit une analyse détaillée de leurs caractéristiques. Ce projet combine la puissance de Google Vision API et l’intelligence conversationnelle de ChatGPT (API) pour offrir une expérience utilisateur enrichie et interprétable.

Sommaire

Objectif du projet

Fonctionnement de la solution

Stack technologique

Démonstration

Perspectives d’évolution

L’objectif principal de cette solution est d’identifier une espèce animale à partir d’une image et d’analyser plusieurs aspects pertinents, notamment :

• L’identification de l’espèce

• Son niveau de dangerosité

• Son potentiel de nuisance

• Son caractère invasif

Objectif du projet

Fonctionnement de la solution

Analyse d’image avec Google Vision API
L’utilisateur soumet une image par un chemin d'accès donné (hébergement en local dans la démo). L’image est ensuite analysée par Google Vision API, qui renvoie des labels et des descriptions de l’animal identifié.

Interprétation via l’API ChatGPT
Les données brutes retournées par Google Vision sont ensuite enrichies grâce à ChatGPT (Model gpt-3.5-turbo). Grâce à un prompt bien précis, l’IA analyse les résultats pour produire une interprétation compréhensible et adaptée à l’utilisateur final.

Format JSON structuré et affichage des résultats
L’information traitée est convertie en un format JSON structuré, puis affichée à l’utilisateur de manière claire et accessible.

Stack technologique

• Back-end : Django (Python) pour la gestion de l’API

• Reconnaissance d’image : Google Vision API

• Traitement du langage naturel : API ChatGPT

• Format de sortie : JSON pour une intégration facile avec différentes interfaces utilisateur

Démonstration

Voici une vidéo de démonstration pour illustrer le fonctionnement de la solution. Elle met en avant l’analyse en temps réel des images soumises et la restitution des résultats interprétés.

Perspectives d’évolution

À l’avenir, plusieurs améliorations peuvent être envisagées :

• Enrichissement de la base de données pour affiner l’identification des espèces

• Ajout d’un scoring de fiabilité des analyses

• Développement d’une interface utilisateur plus intuitive

• Intégration avec des bases de données écologiques pour un enrichissement automatique des résultats