Application de détection de maladies de plantes — Guide rapide
⚠️ Fichier manquant : modèle XGBoost
Ton modèle CNN (best_cnn_model.keras) est déjà inclus et testé dans ce
dossier. Il ne manque que final_xgb_model.json (le modèle XGBoost
entraîné, sauvegardé via final_xgb_model.save_model(...) dans ton
notebook) — best_xgb_params.json que tu m'as envoyé ne contient que les
hyperparamètres, pas le modèle.
Retrouve ce fichier (Colab, Drive, ou ton dossier API) et place-le dans
models/. Sans lui, seul le CNN sera utilisable dans le sélecteur.
Connecte ton repo GitHub, choisis app.py, déploie.
6. Pour ton rapport / soutenance
La section Grad-CAM répond directement à l'exigence "affichage du résultat
avec explication de la décision".
Le sélecteur de modèle te permet de montrer en live les différences de
comportement entre tes modèles benchmarkés (utile pour ton tableau
comparatif Accuracy / F1 / temps / taille).
Pense à capturer des captures d'écran de l'appli pour ton notebook /
rapport final.
Problèmes fréquents
Problème
Cause probable
Solution
Erreur Grad-CAM "layer not found"
mauvais nom de couche
vérifier avec model.summary()
Prédictions incohérentes
mauvais ordre dans CLASS_NAMES
vérifier class_indices du générateur d'entraînement
Modèle très lent à charger
gros fichier .h5
c'est normal au premier chargement, ensuite mis en cache
