Ce projet présente une plateforme web full-stack qui intègre la détection d'objets basée sur YOLO avec deux grands modèles de langage, DeepSeek et Qwen, pour le diagnostic intelligent des nuisibles de la pastèque dans l'agriculture intelligente. Le système utilise YOLO pour détecter les symptômes visuels à partir d'images de terrain, puis exploite les LLM pour fournir une analyse contextuelle et des recommandations de traitement. Cette approche multimodale représente une avancée significative dans l'IA agricole, combinant les forces de la vision par ordinateur et du traitement du langage naturel. La plateforme est conçue pour un déploiement réel dans des conditions de terrain, la rendant très pratique pour les agriculteurs et les entreprises agritech. L'intégration de plusieurs modèles d'IA démontre une tendance vers des solutions d'IA plus sophistiquées et spécifiques à un domaine. Pour les développeurs, ce projet offre des perspectives sur la construction de systèmes similaires pour d'autres cultures ou défis agricoles. Le potentiel commercial est substantiel, car l'agriculture de précision continue de croître à l'échelle mondiale.
Une intégration novatrice de YOLO avec les LLM DeepSeek et Qwen pour diagnostiquer les nuisibles de la pastèque, démontrant l'IA multimodale dans l'agriculture.