Développement d’une application IOS de calcul de statut pondéral

[pic 1]

[pic 2]

        [pic 3]

.

.

[pic 4]

Rapport de projet de 2e

année

Filière : Systèmes d’Information et Aide à la Décision

[pic 5]

Développement d’une application IOS de calcul de de statut pondéral  

[pic 6]

Auteur : CHATER Ahmed Reda

Encadrant :

Mr Philippe Lacomme

Personne responsable :

Mme Sylvie Rousset

[pic 7]

[pic 8]

Table de matière

Table des figures        4

1- Présentation du sujet        7

2- Contexte        8

3- Analyse des besoins        9

3-1 Besoins fonctionnels        9

3-2 Besoins non-fonctionnels        10

4- Méthodologie et ressources        10

4-1 Organisation du travail        10

4-2 Ressources utilisées        11

4-2-1 XCode        11

4-2-2 SwiftUI        12

4-2-3 TensorFlow        13

4-2-4 TensorFlow Lite        14

4-2-5 CoreML        15

5- Conception et développement de l’application        15

5-1 Interface Utilisateur        15

5-1-1 Page d’accueil        15

5-1-2 Page de saisie de données        17

5-1-3 Histogramme de probabilité        19

5-1-4 « À Propos »        22

5-2 Spécifications fonctionnels        23

5-2-1 Développement du réseau de neurone        23

5-2-2 Conversion en CoreML        23

5-2-3 Intégration du réseau de neurone        24

6- Résultats et évaluation        25

6-1 Évaluation de la précision des calculs de la probabilité d'être normo-pondéral, en surpoids ou obèse        25

6-2 Analyse des performances de l’application        26

Conclusion        28

7- Annexes        29

8- Références bibliographiques        33

Table des figures

Figure 1 : Page d'accueil        15

Figure 2 : Page d'entrée de donnée        17

Figure 3 : Page d'histogramme (ChartView)        19

Figure 4 : Page 'À propos'        21

Figure 5 : Résultats de test de différentes configuration du réseau de neurones        25

Figure 6 : Code de la page d'accueil en Swift (XCode)        28

Figure 7 : Code de la page stockant les données        29

Figure 8 : Code de la ChartView        30

Figure 9 : Script qui charge le modèle et le converti en CoreML        31

Figure 10 : Intégration du réseau de neurone converti        31

[pic 9]

        Cette application iOS calcule la probabilité qu'un individu soit de poids normal, en surpoids ou obèse en fonction de son poids, de sa taille, de sa consommation quotidienne de légumes et de son niveau d'activité physique calculé par WellBeNet. L'application utilise un réseau neuronal développé pour des prédictions précises. Elle a une interface conviviale et supporte plusieurs langues. Le développement de cette application a nécessité l'utilisation de diverses ressources telles que CoreML, le langage de programmation Swift. Le résultat est une application hautement fonctionnelle et précise qui peut aider les individus à surveiller leur poids et à prendre les mesures nécessaires pour maintenir un mode de vie sain.

[pic 10]

        This iOS application calculates the probability of an individual being normal weight, overweight, or obese based on their weight, height, daily vegetable intake, and physical activity levels calculated by WellBeNet. The application utilizes a neural network developed for accurate predictions. The application has a user-friendly interface and supports multiple languages. The development of this application involved the use of various resources such as CoreML, Swift programming language. The result is a highly functional and accurate application that can aid individuals in monitoring their weight and taking necessary steps to maintain a healthy lifestyle.

[pic 11]

        L'indice de masse corporelle (IMC) est l'un des indicateurs les plus couramment utilisés pour évaluer le statut pondéral d'une personne. Cependant, il est bien connu que l'IMC a des limites en termes de précision et de généralisation. En effet, l'IMC ne prend pas en compte la répartition de la masse corporelle entre la graisse et la masse musculaire, ni les différences liées à l'âge, la consommation d‘aliments comme les légumes, et à l’activité physique journalière.
        

        Dans ce contexte, notre équipe a développé une méthode plus spécifique et précise pour évaluer le statut pondéral des individus. En intégrant des données sur l'activité physique et la consommation de légumes, notre méthode fournit une évaluation plus complète et personnalisée de l'état de santé d'une personne.

...