// Application de suivi d'entraînement LiftTrack

LiftTrack : Une solution mobile basée sur un CNN 3D pour surveiller et améliorer les techniques d'haltérophilie

Projet de fin d'études - Baccalauréat en informatique avec spécialisation en génie logiciel

Une application mobile basée sur Flutter conçue pour suivre les progrès de l'entraînement et améliorer la forme d'exécution grâce à des commentaires en temps réel alimentés par un réseau de neurones convolutifs 3D (3D CNN). Ce projet intègre le développement mobile, l'apprentissage automatique et l'informatique en nuage dans une solution de fitness unifiée.

Durée du développement : 8 mois (juillet 2024 - février 2025)

Note : Le dépôt GitHub de ce projet est privé en raison de la politique académique/institutionnelle. Une démonstration et une présentation du code sont disponibles sur demande.
Le document de recherche de fin d'études qui l'accompagne est également disponible sur demande.
Pour en savoir plus, cliquez sur l'icône IA en bas à droite de ce site web.

Caractéristiques

• Suivre les entraînements et enregistrer les séances d'exercice
• Surveiller les progrès à long terme et les objectifs de fitness
• Commentaires personnalisés basés sur l'activité de l'utilisateur
• Interface utilisateur réactive et intuitive pour Android et iOS

Mes contributions

• Frontend Flutter (iOS/Android) : Construction de l'interface mobile multiplateforme en utilisant Dart et Flutter
• Architecture : Application de la Clean Architecture avec BLoC pour un code évolutif et maintenable
• Fonctionnalités de base : Développement des fonctionnalités de base pour l'enregistrement des entraînements, le suivi des progrès et l'authentification
• Conception UI/UX : Conception d'interfaces interactives en mettant l'accent sur la clarté et le feedback
• Compatibilité iOS : Résolution des problèmes spécifiques à la plateforme et mise en œuvre d'alternatives aux packages Flutter exclusifs à Android
• Refactorisation : Direction de la refactorisation architecturale du module Profil pour améliorer la séparation des préoccupations
• Infrastructure Cloud : Aide au déploiement du modèle 3D CNN sur un serveur cloud distant en raison des exigences de calcul élevées
• Configuration DevOps : Intégration du frontend avec les services ML backend via un pipeline de déploiement personnalisé

Défis rencontrés

• Barrières au développement iOS : Le développement initial reposait sur des simulateurs MacBook, bien que certaines fonctionnalités de caméra nécessitaient des solutions de contournement. Cette approche, bien qu'économique, présentait des défis pour tester les fonctionnalités avancées.

• Intégration multiplateforme : Plusieurs bibliothèques Flutter priorisant Android n'avaient pas d'équivalent iOS. J'ai recherché et mis en œuvre des solutions multiplateformes pour une fonctionnalité transparente.

• Complexité de la gestion d'état : La gestion de l'état à travers l'enregistrement des entraînements, l'authentification des utilisateurs et le feedback en temps réel à l'aide de BLoC a nécessité une conception et une modularisation minutieuses.

• Coordination d'équipe : Travailler avec des coéquipiers à distance et des responsabilités distribuées signifiait aligner la conception et la mise en œuvre à travers des composants tels que le ML, le backend et le frontend.

• Contraintes de ressources : Le calendrier du projet a été impacté par des retards dans le programme d'études. De plus, l'ordinateur de bureau d'un membre de l'équipe, utilisé comme serveur de test 24h/24 et 7j/7, a subi une panne matérielle due à un fonctionnement continu, nécessitant des ajustements d'infrastructure.

Architecture du projet

Cette application suit la Clean Architecture avec des couches modulaires et une organisation basée sur les fonctionnalités.

• Structure en couches : Les couches Présentation, Domaine et Données sont strictement séparées
  En savoir plus
• Modules de fonctionnalités : Chaque fonctionnalité majeure (par exemple, Profil, Progrès, Enregistrement des entraînements) est structurée de manière indépendante
• Gestion d'état BLoC : Assure des transitions d'état prévisibles et une logique métier testable
• Améliorations récentes : Module de profil refactorisé pour se conformer aux objectifs architecturaux
  Notes de refactorisation

Aperçu de la démo

Bien que la version en direct soit indisponible, voici les vues principales de LiftTrack :

• Interface d'enregistrement d'entraînement sur Android et iOS
• Suivi des progrès et tableau de bord
• Pipeline ML dans le cloud (diagramme d'architecture disponible)

Note sur l'hébergement :
Ce projet a été déployé sur un serveur cloud géré par le chef de projet. En raison de l'expiration de l'hébergement et des limitations d'accès, l'application en direct est actuellement hors ligne. Une démo complète et une présentation enregistrée sont disponibles sur demande.

Ressources de développement

• Flutter : Écrivez votre première application
• Flutter Cookbook
• Docs Flutter - Référence API officielle et exemples