Cadrer
Orientez la caméra vers le mobilier, ou importez une photo autorisée de la salle.
Audit visuel · Vision par ordinateur · 100 % navigateur
Vérifier une salle.
Pas les personnes.
EPITA Smart Classroom détecte le mobilier et les équipements visibles d'une salle de cours, les compare à la configuration attendue et produit un compte rendu d'audit lisible par un responsable non technique.
Le film nécessite WebGL : ouvrez la page sur un navigateur récent.
Détecter
Le modèle COCO-SSD repère chaises, tables, ordinateurs portables et écrans, avec un score de confiance.
Comparer
Chaque quantité observée est confrontée à la configuration attendue. Un écart n'est jamais une absence certaine.
Rapporter
Un rapport d'audit synthétise résultats, limites et contrôles complémentaires recommandés.
Périmètre du modèle
Classes réellement disponibles dans COCO-SSD, vérifiées dans la liste officielle des 80 classes COCO.
Charte de confidentialité
- Aucune analyse des personnes. La classe « person » est supprimée dès la sortie du modèle : jamais affichée, comptée ni conservée.
- Aucune image enregistrée. Le flux et les photos restent en mémoire dans votre navigateur, rien n'est envoyé à un serveur.
- Cadrage sur le mobilier. Orientez la caméra vers les équipements, hors des zones occupées.
- Images autorisées uniquement. N'importez que des photos dont vous avez le droit d'usage.
- Pas de détection inventée. Seules les prédictions effectivement produites sont affichées.
Étape 1 · Prise de vue et détection
Audit de la salle
● Personnes exclues de l'analyse
Démarrez la caméra ou importez une image de test.
Astuce : placez-vous dans un coin de la salle, à hauteur d'épaule, dos aux fenêtres.
● SCAN EN DIRECTANALYSE LOCALE · AUCUN ENREGISTREMENT— IPS
ÉLÉMENTS VISIBLES
AMBIANCE SONORE
Micro inactif
PERSONNES : NON ANALYSÉES
À valider
En mode Scan, cliquez sur « ＋ Ajouter » sur chaque objet. Vérifiez ici les vignettes, décochez ce qui est faux ou en double, puis validez : seuls les objets cochés entrent dans l'inventaire, et chacun n'est compté qu'une fois.
Second modèle « open-vocabulary » (Google OWL-ViT) : tables de cours, tableau, fenêtres, portes. Il est récupéré automatiquement par le navigateur une seule fois, puis mis en cache.
Guide de prise de vue6 règles pour un audit fiable · cliquer pour replier
- 💡 Allumez la lumièrePlafonniers allumés, stores à moitié fermés. Une image sombre fait chuter la détection.
- 🪟 Dos aux fenêtresJamais face à une fenêtre : le contre-jour transforme le mobilier en silhouettes.
- 📐 Depuis un coin, à hauteur d'épauleEnviron 1,5 m de haut, appareil légèrement incliné vers le bas : on voit les plateaux des tables et les dossiers.
- ↔️ Reculez pour tout cadrerLes objets coupés par le bord de l'image ne sont pas comptés. Utilisez le grand angle (0,5×) sur téléphone.
- ✋ Stable et sans personneAppuyez l'appareil sur un support. Attendez que la salle soit vide ou cadrez hors des zones occupées.
- 🚶 Grande salle : mode ScanAvancez rangée par rangée, cliquez sur « ＋ Ajouter » pour chaque objet, validez, puis auditez l'inventaire. Chaque objet n'est compté qu'une fois.
Le bandeau sur la vidéo vous prévient en direct (« trop sombre », « contre-jour », « flou »). Après une capture, la carte « Qualité de prise de vue » vous dit quoi corriger.
Les détections sous le seuil sont ignorées. Modifiable après analyse, sans relancer le modèle.
Changer de variante recharge le modèle.
Étape 0 · Référentiel
Configuration théorique
Le modèle reconnaît les tables de cours avec une confiance plus faible (il a appris sur des tables à manger). 30 % par défaut ; les autres objets gardent le seuil global de l'onglet Audit.
Ex. 10 % : 19 chaises détectées sur 20 attendues = « Conforme (tolérance) ». 0 = comptage exact exigé.
Valeurs fictives de démonstration. Laissez un champ vide pour ne pas contrôler la catégorie. Une catégorie non prise en charge par le modèle reste non vérifiable : elle sera signalée pour un contrôle manuel.
| Catégorie | Classe(s) COCO | Prise en charge | Quantité attendue |
|---|
Étape 2 · Synthèse
Tableau de bord
En attente d'analyse
Contrôle attendu / détecté
| Catégorie | Attendu | Détecté | Écart | Statut de vérification |
|---|
Un objet non détecté n'est pas considéré comme absent : il peut être masqué, hors du cadre ou non reconnu par le modèle. Tout écart appelle un contrôle visuel.
Historique des audits (session, sans image)
| Heure | Source | Objets | Écarts | Durée |
|---|
Lecture des indicateurs
- Taux de détection
- Σ min(détecté, attendu) ÷ Σ attendu, sur les règles vérifiables. Pertinent sur une image test dont la configuration = le comptage réel annoté.
- Durée d'audit
- Temps entre le début de la prise de vue (caméra ou import) et l'obtention du résultat.
- Écarts
- Nombre de règles vérifiables dont la quantité détectée diffère de l'attendu.
Étape 3 · Compte rendu
Rapport d'audit
Scan cumulé · objets validés
Inventaire des objets
Une fiche par objet validé : vignette, classe, confiance et seuil appliqué, durée de suivi, position, luminosité locale. Les vignettes restent dans le navigateur (aucune personne n'est jamais détectée ni recadrée).
Étape 4 · Pilotage
Registre des anomalies
| Date | Salle | Type | Gravité | Anomalie et action corrective | Statut | Commentaire |
|---|
Chaque audit enregistré génère ses anomalies (écarts, catégories hors modèle, qualité de prise de vue). Faites-les vivre jusqu'à leur résolution : Ouverte → En cours → Résolue (ou Faux positif si le modèle s'est trompé).
Base de données