> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/french/function-blocks/blocks-reference/ai-blocks/mask-detection.md).

# Mask Detection

Ce bloc fonction détecte les visages et classe si les masques sont portés correctement. Il renvoie une image annotée pour inspection visuelle et des comptages numériques pour des métriques rapides.

## 📥 Entrées <a href="#inputs" id="inputs"></a>

`Image RGB`\
Image à analyser. Accepte des images couleur provenant de caméras, de fichiers ou de blocs de traitement précédents.

## 📤 Sorties <a href="#outputs" id="outputs"></a>

`Image RGB`\
Image annotée avec les superpositions de détection pour visualisation.

`Masked`\
Nombre de visages détectés avec le masque correctement porté.

`Uncorrect Masked`\
Nombre de visages détectés avec le masque porté incorrectement (par ex. nez découvert).

`No Mask`\
Nombre de visages détectés sans masque.

## 🕹️ Contrôles <a href="#controls" id="controls"></a>

`Confidence Threshold %`\
Curseur pour ajuster la confiance de détection. Augmentez pour réduire les faux positifs ; diminuez pour détecter des signaux plus faibles. Faites de petits ajustements pour équilibrer précision et rappel selon votre scène.

## 🎯 Fonctionnalités <a href="#features" id="features"></a>

* Sortie visuelle avec superpositions de détection pour une revue rapide.
* Sorties numériques faciles à intégrer dans des journaux, des alertes ou des tableaux de bord.
* Réglage en temps réel de la confiance via le curseur pour s’adapter à différents éclairages et distances.

## 📝 Instructions d’utilisation <a href="#usage" id="usage"></a>

1. Fournissez une image à l’entrée `Image RGB` (flux live ou image statique).
2. Ajustez le curseur `Confidence Threshold %` pour définir la sensibilité souhaitée.
3. Lisez l’image annotée depuis la sortie `Image RGB` et récupérez les comptages depuis `Masked`, `Uncorrect Masked` et `No Mask` pour le traitement en aval.

## ⚙️ Évaluation <a href="#evaluation" id="evaluation"></a>

Lorsque le bloc s’exécute, il analyse l’image fournie, annote les visages détectés et renvoie l’image annotée ainsi que les nombres pour chaque statut de masque. Utilisez le curseur de confiance pour ajuster le comportement de détection selon votre environnement.

## 💡 Conseils et astuces <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Pour une entrée caméra live, utilisez `Camera USB`, `Camera IP (ONVIF)` ou `Stream Reader` comme source d’image pour analyser en continu.
* Pour inspecter visuellement les résultats pendant le développement, envoyez l’image annotée vers `Show Image`.
* Si vous devez traiter des images volumineuses plus rapidement, insérez `Image Resize` avant ce bloc pour réduire la taille d’entrée et augmenter le débit.
* Limitez la détection à une région d’intérêt avec `Image ROI`, `Image ROI Select` ou `Image ROI Polygon` pour éviter les détections non pertinentes et accélérer le traitement.
* Superposez ou formatez la sortie de détection pour des présentations avec `Draw Detections` pour ajouter des rectangles et des étiquettes.
* Enregistrez ou journalisez les images suspectes avec `Image Logger`, `Image Write` ou `Record Video` lorsque les comptages dépassent des seuils.
* Combinez avec `Object_Detection_Tracker` si vous souhaitez suivre le statut du masque d’une même personne dans le temps (utilisez les comptages pour déclencher le suivi ou la journalisation).
* Pour une analyse par lot d’images stockées, commencez par `Load Image` puis alimentez ce bloc pour un traitement hors ligne.

## 🛠️ Résolution de problèmes <a href="#troubleshooting" id="troubleshooting"></a>

* Aucune détection : baissez le `Confidence Threshold %`, assurez-vous que l’image d’entrée est nette et bien éclairée, ou recadrez la zone pertinente avec `Image ROI`.
* Trop de faux positifs : augmentez le `Confidence Threshold %`, ajustez l’échelle avec `Image Resize` ou restreignez l’analyse via une ROI.
* Performances lentes : réduisez la résolution d’entrée avec `Image Resize`, ou traitez moins d’images (sauter des images en amont). Utilisez `Image Logger` pour capturer uniquement les images qui remplissent des conditions.
* Résultats peu fiables en faible éclairage : améliorez l’éclairage ou appliquez un prétraitement tel que `Denoising` et `Contrast Optimization` avant d’alimenter ce bloc.