Analyse le flux caméra avec un modèle IA embarqué. Détecte, géolocalise et streame vers Grist — sans serveur, en continu.
Activez Sources inconnues dans les paramètres Android. Accordez caméra + localisation.
Ouvrez Paramètres (⚙), entrez votre URL Grist + clé API + ID document. La table se crée seule.
COCO-SSD (TensorFlow.js) tourne dans le WebView. Aucun serveur, aucune donnée transmise.
Boucle async + requestAnimationFrame. 15-25 FPS sur mid-range, overlay canvas synchronisé.
watchPosition avec vitesse (km/h), cap (°) et précision. Chaque détection est géolocalisée.
Buffer local + flush batch configurable (1-10s). Auto-création table Detections_video.
IoU spatiale + cooldown temporel. Le même objet n'est enregistré qu'une fois par fenêtre.
Capture JPEG miniature optionnelle à chaque nouvelle détection (configurable).
Modèle COCO-SSD — lite_mobilenet_v2 (~1.8 Mo)
Capteur terrain — caméra + GPS → détections structurées dans Grist
APK CapacitorDetections_video — flux temps réel, formules, webhooks
Auto-créée| Colonne | Type | Description |
|---|---|---|
session_id | Text | Identifiant unique de session de détection |
horodatage | Text | ISO 8601 — date/heure de la détection |
classe_fr | Choice | Classe détectée en français (Voiture, Personne…) |
classe_en | Text | Classe COCO-SSD originale (car, person…) |
categorie | Choice | Véhicule · Personne · Animal · Infrastructure · Objet |
confiance | Numeric | Score de confiance du modèle (0-100%) |
latitude | Numeric | Latitude GPS (7 décimales) |
longitude | Numeric | Longitude GPS (7 décimales) |
precision_gps | Numeric | Précision du signal GPS en mètres |
vitesse_kmh | Numeric | Vitesse du capteur en km/h |
cap_degres | Numeric | Direction (cap) en degrés |
nb_objets_frame | Numeric | Nombre total d'objets détectés dans le frame |
bbox | Text | Bounding box [x, y, w, h] en pixels |
snapshot | Text | Miniature JPEG base64 (optionnel) |