Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "CHERIF, Lyna"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Thumbnail Image
    Item
    Bras Robot Actionnée par Intelligence Artificielle pour Travaux Agricoles
    (2025-01-29) CHERIF, Lyna
    Cette étude développe un bras robotique à 4 degrés de liberté (4-DDL) pour relever les défis agricoles—pénurie de main-d’œuvre, impact environnemental et demande alimentaire—en combinant modélisation cinématique, analyse dynamique et automatisation intelligente. Le système a atteint une précision de positionnement de ±2,5 mm dans un espace de travail hémisphérique de 60 cm grâce à des paramètres Denavit-Hartenberg optimisés, permettant une lutte précise contre les mauvaises herbes et une récolte délicate. L’analyse dynamique (mécanique lagrangienne) a quantifié le couple (1,47–2,94 N·m) et la consommation énergétique (100–175 W), validés dans des conditions proches du terrain. Les systèmes de vision artificielle (caméra Raspberry Pi) et les algorithmes de planification de trajectoire (A*, PRM) ont atteint 92 % de réussite dans des simulations d’environnements encombrés, tandis qu’une récupération d’énergie régénérative (18 %) a souligné le potentiel de durabilité. Malgré des défis comme les limites thermiques des actionneurs et les retards computationnels, la conception modulaire et la réduction des intrants chimiques ont démontré une scalabilité prometteuse. Les travaux futurs visent à renforcer la robustesse matérielle (moteurs BLDC à haut couple), optimiser les algorithmes via des réseaux neuronaux légers, et intégrer des systèmes énergétiques hybrides pour un déploiement pratique. Cette recherche contribue à des systèmes agricoles autonomes, alliant précision, productivité et préservation écologique pour renforcer la sécurité alimentaire face aux changements climatiques et à la croissance démographique.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify