Contexte et objectifs

• Développer un modèle de détection d’objets (climatisation, réfrigérateur, ordinateur) intégré dans une solution complète.
• Fournir une API REST pour la communication entre le modèle IA et une application mobile Flutter.
• Permettre la capture/selection d’images depuis le mobile, l’envoi vers le serveur et l’affichage des résultats de détection en temps réel.
• Intégrer n8n pour automatiser les processus : notifications, stockage des résultats, génération de rapports, etc.
• Déployer l’ensemble (API + IA + n8n) via Docker et assurer la communication fiable avec l’application mobile.

Tâches principales

• Constitution et annotation du jeu de données (LabelImg, Roboflow) et prétraitement d’images (OpenCV).
• Concevoir et entraîner un modèle de détection (YOLOv8 ou Faster R-CNN) en PyTorch ou TensorFlow, validation et optimisation.
• Développement d’une API REST (containerisée) exposant les endpoints pour envoi d’images et retour des prédictions.
• Développement d’une application mobile Flutter (Android/iOS) : capture/choix d’images, envoi au serveur, affichage des boîtes de détection en temps réel.
• Création de workflows n8n pour automatiser les notifications, l’archivage des résultats (SQLite / Firebase), et la génération de rapports.

Compétences et technologies requises

• Expérience en Deep Learning / Computer Vision : YOLOv8 ou Faster-RCNN, PyTorch ou TensorFlow.
• Développement mobile Flutter (intégration d’API REST, UI temps réel) pour Android et iOS.
• Connaissance d’outils d’annotation et gestion de datasets : LabelImg, Roboflow.
• Maîtrise d’OpenCV pour le prétraitement et les pipelines d’images.
• Orchestration / automatisation avec n8n (intégration API, envoi d’e-mails, stockage en base).
• Containerisation et déploiement avec Docker ; bases de données légères (SQLite) ou Firebase pour stockage.

Livrables attendus

• Modèle IA entraîné et exporté prêt à être servi par une API.
• API REST dockerisée exposant les services de détection.
• Application mobile Flutter fonctionnelle permettant capture, envoi, et affichage des résultats.
• Workflows n8n configurés pour notifications, stockage et génération de rapports.
• Documentation technique, guide de déploiement Docker et démonstration finale.
• Durée du stage : 6 mois. Nombre de stagiaires requis : 2.

Contact / Candidature

• Pour postuler, envoyer votre candidature à l’adresse : stages@sfmtechnologies.com
• Objet recommandé pour l’e-mail : « SUJET 7 – Détection d’équipements par IA (climatisation, frigo, PC…) avec intégration n8n et application mobile Flutter »