🐠 Reconnaissance d’espèces de poissons dans des images sous-marines

Ce projet a pour objectif de développer une application d’intelligence artificielle capable de reconnaître automatiquement différentes espèces de poissons à partir d’images sous-marines. Le modèle utilise des techniques de deep learning pour classer les poissons parmi 31 espèces différentes.

📸 Exemples d'espèces détectées

• Bangus
• Catfish
• Gold Fish
• Tilapia
• Snakehead
  (Voir la liste complète dans le dataset sur Kaggle

---

🛠️ Technologies utilisées

• Python
• Streamlit (interface web)
• TensorFlow / Keras (modèle de classification)
• NumPy, Pandas, etc.

---

🚀 Installation

1. Cloner le dépôt GitHub :

   git clone https://github.com/hajar-elkhalidi/deepfish-cnn.git
   cd deepfish-cnn

2. Créer un environnement virtuel (optionnel mais recommandé)

python -m venv venv

Activation de l'environnement :

• Linux / macOS :

  source venv/bin/activate

• Windows :

  venv\Scripts\activate

3. Installer les dépendances

pip install -r requirements.txt

---

🧪 Utilisation

Lancer l'application Streamlit :

streamlit run app.py

Puis ouvrir l’URL indiquée dans votre terminal (généralement http://localhost:8501).

---

📁 Structure du projet

├── app.py                  # Application Streamlit
├── model/                  # Modèles entraînés
├── images/                 # Images de test
├── requirements.txt        # Dépendances Python
└── README.md               # Fichier de description

---

👥 Auteurs

Projet réalisé dans le cadre de la Licence d'Excellence en Intelligence Artificielle – 2025, par :

• Hajar EL KHALIDI
• Aminata KIMBIRI
• Essaadia EL IDRISSI

---

📄 Licence

Ce projet est open-source sous licence MIT. Voir le fichier LICENSE pour plus d'informations.

---

🌐 Démo en ligne

👉 Voir l'application sur Streamlit Cloud