Update README.md

README.md

@@ -1,15 +1,74 @@
-# Dataset Aérospatial de Composants de Moteurs
+---
+language:
+- en
+- fr
+license: apache-2.0
+datasets:
+- UMA-IA/UMA_Dataset_Engine_Aero_VLM
+base_model: Qwen/Qwen2.5-VL-7B-Instruct
+tags:
+- aerospace
+- aeronautics
+- engineering
+- vision-language
+- component-detection
+pipeline_tag: image-to-text
+---
 
-Ce dataset contient des images de composants de moteurs aérospatiaux avec leurs descriptions techniques.
+## Model Details
 
-## Structure
-- **file_name**: Chemin vers l'image de composant moteur aérospatial
-- **caption**: Description technique des composants au format "Le composant 1 est [nom technique] qui [fonction]"
-- **image_id**: Identifiant unique pour chaque image
-- **cui**: Identifiant conceptuel unique
+**Model Name:** UMA-IA/VLM_Engine_Finetuned_Aero  
+**Authors:**  
+- **Youri LALAIN**, Engineering student at French Engineering School ECE  
+- **Lilian RAGE**, Engineering student at French Engineering School ECE  
 
-## Variations
-Le dataset inclut plusieurs variations pour chaque image:
-- Images originales
-- Images miroir (inversées horizontalement)
-- Segments (images découpées en 4 quadrants)
+**Base Model:** [Qwen/Qwen2.5-VL-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct)  
+**Fine-tuned Dataset:** [UMA-IA/UMA_Dataset_Engine_Aero_VLM](https://huggingface.co/datasets/UMA-IA/UMA_Dataset_Engine_Aero_VLM)  
+**License:** Apache 2.0  
+
+## Model Description
+
+# Qwen2.5-VL Fine-tuned pour la détection de composants de moteurs aérospatiaux
+
+VLM_Engine_Finetuned_Aero est une version spécialisée du modèle Qwen2.5-VL-7B-Instruct, fine-tunée pour détecter, identifier et analyser les composants de moteurs aéronautiques et aérospatiaux à partir d'images. Le modèle exploite le dataset UMA-IA/UMA_Dataset_Engine_Aero_VLM pour améliorer sa capacité à reconnaître les pièces spécifiques, les défauts potentiels et les caractéristiques techniques des systèmes de propulsion.
+
+## Capacités
+- Détection et identification précise des composants de moteurs aéronautiques
+- Analyse visuelle des pièces mécaniques et de leur état
+- Reconnaissance des défauts ou anomalies sur les composants
+- Fourniture d'informations techniques sur les pièces identifiées
+- Assistance au diagnostic visuel pour la maintenance
+
+## Cas d'utilisation
+- Inspection et maintenance des moteurs d'aéronefs
+- Formation des techniciens et ingénieurs aéronautiques
+- Assistance à la documentation technique
+- Support pour les audits de qualité et de sécurité
+- Aide visuelle pour les opérations de réparation et entretien
+
+## Détails de l'entraînement
+Ce modèle a été fine-tuné sur UMA-IA/UMA_Dataset_Engine_Aero_VLM, un dataset spécialement créé pour l'identification visuelle de composants de moteurs aérospatiaux. L'entraînement a été réalisé en utilisant des techniques de fine-tuning supervisé pour adapter le modèle Qwen2.5-VL à la reconnaissance de composants techniques spécifiques.
+
+## Comment utiliser le modèle
+Vous pouvez charger le modèle en utilisant la bibliothèque `transformers` de Hugging Face :
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from PIL import Image
+import requests
+from io import BytesIO
+
+# Charger le modèle et le tokenizer
+model_name = "UMA-IA/VLM_Engine_Finetuned_Aero"
+model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
+tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
+
+# Charger une image (exemple avec une URL)
+image_url = "URL_DE_VOTRE_IMAGE"
+response = requests.get(image_url)
+image = Image.open(BytesIO(response.content))
+
+# Préparer la requête
+prompt = "Identifiez les composants visibles dans cette image de moteur d'avion et décrivez leur fonction."
+response = model.chat(tokenizer, query=prompt, image=image)
+print(response)