Département Génie Rural
Permanent URI for this collectionhttp://10.10.20.114:4000/handle/123456789/2351
Browse
202 results
Search Results
Item Water quality classification using machine learning(2024-10-06) DIB, NadjetA wastewater treatment plant (WWTP) is an essential part of the entire water cycle, which reduces concentrations of pollutants in the environment. To enhance the monitoring and control of WWTP efficiency , researchers developed different models and systems, This study presents the application of Machine learning-based (ML) Artificial intelligence techniques (AIT) such as Random Forest algorithm (RF), Support Vector Machine (SVM ) and Extreme Gradient Boosting (XGBoost) to design an automatic classifier for water quality and determine the appropriate destination for the treated wastewater ,providing justifications and direct recommendations based on international standards and thresholds, for this purpose, dataset consisting of 3600 values related to domestic WW was utilized, with the outputs categorized into two classes influent not pure water (untreated WW) and effluent pure water (treated WW) . Approximately 240 data points were sourced from Algerian records, spanning ten years of monthly data. The influent parameters including Biological Oxygen Demand (BOD), Chemical Oxygen Demand (COD), and Total Kjeldahl Nitrogen (TKN) were used as inputs for wastewater quality prediction, identified as the most predictive features through the correlationbased feature selection (CFS) method, sufficient data and correct values .The machine learning models were trained via 60% values of the dataset ,with their accuracy tested on the remaining 40%.From the results of the test .Random forest with the accuracy of 99,8% is found to be the most successful model although all models have excellent accuracy because in this case the effective features were just three and the data was simple, it seen that SVM model is the fastest technique although Random forest close results to SVM but it seems that the training speed of XGBoost is approximately 7 times longer than SVM. Moreover, different functions are then integrated to determine whether this predicted wastewater suitable for agriculture or environment or unsuitable for them both ,providing reasons and recommendations or advices which empower us to create a platform of digital water prediction by the implementation of machine learning coding ,The promising results obtained paved the way for forecasting the performance of WWTP operations by the prediction of water quality , optimizing the reuse of treated WW on agriculture and swiftly address process anomalies before they escalate into more severe issues thereby enabling informed decision-making by water system managers.Item Bras Robot Actionnée par Intelligence Artificielle pour Travaux Agricoles(2025-01-29) CHERIF, LynaCette 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.Item Conception d’un système sand-aquaponique(2026-01-29) MEDJERDAOUI, NihedL’aquaponie s’impose aujourd’hui comme une solution agricole durable face aux contraintes environnementales, à la rareté des ressources hydriques et aux besoins croissants en sécurité alimentaire. Ce mémoire porte sur la conception, la réalisation et l’évaluation d’un système sand-aquaponique innovant, intégrant un lit de culture sur sable (IAVS), un module NFT, un bassin de lentilles d’eau et un élevage de tilapia. L’ensemble est automatisé par un système de monitoring basé sur Arduino, assurant un suivi continu des paramètres physico-chimiques et une optimisation du fonctionnement global. L’étude expérimente la viabilité technique, agronomique et biologique de ce prototype dans le contexte des régions semi-arides algériennes. Ce travail s’inscrit également dans une perspective entrepreneuriale visant le développement d’une startup spécialisée dans les systèmes aquaponiques intelligents et durables en Algérie. Les analyses technico-économiques réalisées montrent un potentiel réel de valorisation, notamment pour les régions arides, les exploitations agricoles innovantes et les applications urbaines à petite échelle.Item Improving the Accuracy of Cotton Water Stress Detection on DroneCaptured Data(2025-10-08) BOUZID, Mohamed AmirThis dissertation addresses limitations in cotton water stress detection using UAV-captured RGB imagery and advanced deep learning techniques. Building upon Niu et al. (2024), who achieved 91% accuracy in cotton irrigation classification, this study develops an enhanced framework using over 21,000 UAV images collected across four sampling dates from experimental plots in Lubbock, Texas. We implemented an InceptionV3-based CNN with transfer learning and fine-tuning methodologies to distinguish between four irrigation management strategies: rainfed, fully irrigated, percent deficit irrigation, and time delay irrigation. Our two-phase training strategy combined ImageNet pre-trained features with selective layer unfreezing for domain-specific optimization. Results demonstrate exceptional performance improvements, achieving 96% overall accuracy across all temporal datasets compared to the 91% baseline. The model maintained temporal consistency with zero performance variance across sampling dates, indicating successful capture of phenology-invariant spectral signatures. Class-specific analysis revealed superior discrimination capabilities with rainfed conditions achieving 95-99% F1-scores and fully irrigated areas reaching 97-100% precision.Item Performances de traction du tracteur Cirta en travail conventionnel(2025-10-29) AYEB, OumaimaLa performance de traction du tracteur constitue un facteur déterminant de l’efficacité énergétique et de la productivité des travaux agricoles, particulièrement dans les systèmes conventionnels où les sollicitations mécaniques exercées sur le sol sont élevées. La présente étude s’inscrit dans une démarche visant à analyser le comportement du tracteur Cirta C6006 lors du travail du sol en technique conventionnelle, en identifiant les paramètres exerçant l’influence la plus significative sur le glissement des roues. L’expérimentation a été menée le 29 Avril 2025 sur la station expérimentale de l’École Nationale Supérieure Agronomique (ENSA) d’El-Harrach. Les mesures ont porté sur cinq paramètres principaux : le poids du tracteur, le poids de l’outil, l’humidité du sol, la résistance à la pénétration et la porosité. Les résultats obtenus montrent que la résistance à la pénétration du sol et le poids de l’outil sont les deux facteurs les plus déterminants du glissement. Une augmentation de la résistance du sol s’accompagne d’un accroissement du glissement et d’une diminution de l’efficacité de traction. Ces observations confirment l’importance du contrôle de la compaction et de l’ajustement du lestage du tracteur pour optimiser la performance de traction et limiter les pertes énergétiques. En définitive, l’étude met en évidence la nécessité d’une gestion technique raisonnée du tracteur et du sol, condition essentielle pour assurer une utilisation efficiente du matériel agricole et garantir la durabilité des systèmes de production conventionnels.Item Classification automatique des espèces adventices pour destruction ciblée(2025-12-11) ARIBI, Kheira Bochra LamiaLes mauvaises herbes dans les champs agricoles en Algérie constituent l’un des principaux facteurs réduisant la productivité des cultures et affectant leur qualité. Pour faire face à ce problème, l’agriculture moderne s’appuie sur l’agriculture de précision et les techniques d’intelligence artificielle, permettant une gestion plus efficace et précise des parcelles, que ce soit par la réduction de l’utilisation des pesticides chimiques ou par des interventions mécaniques ciblées. Cette étude vise à développer un système de classification des mauvaises herbes les plus répandues en Algérie en utilisant des techniques de vision par ordinateur et des réseaux de neurones convolutifs. Le système a été entraîné sur des images de mauvaises herbes à leurs stades de développement précoce, permettant ainsi une détection précoce et précise des adventices ciblées, améliorant l’efficacité des opérations de désherbage et réduisant les coûts agricoles. Dans ce contexte, nos recherches ont pour objectif de faciliter la classification des principales espèces de mauvaises herbes présentes dans les exploitations agricoles en Algérie. Grâce aux expériences menées, nous avons développé un modèle de classification basé sur les réseaux de neurones convolutifs, capable de déterminer avec une grande précision le type de mauvaise herbe parmi plusieurs espèces, permettant ainsi d’optimiser les stratégies de désherbage ciblées et efficaces à partir des images analysées des champs agricoles.Item Évaluation des systèmes de culture pour la production de luzerne(2025-10-29) BRAHIMI, Ahmed Chakib; KHABABA, AnesCe mémoire évalue la culture de la luzerne en Algérie à travers une expérimentation réalisée à l’ENSA d’El Harrach et une enquête menée auprès de producteurs dans plusieurs wilayas. Les résultats montrent que la variété « Speed » présente une bonne adaptation aux conditions méditerranéennes, mais reste fortement dépendante de l’irrigation estivale. L’enquête révèle une grande diversité de pratiques, des difficultés liées à l’eau, aux adventices et à la mécanisation. L’étude recommande l’amélioration des itinéraires techniques, une gestion optimisée de l’irrigation et un meilleur encadrement technique pour renforcer la durabilité et la productivité de la luzerne en AlgérieItem Etude de la dynamique d’adsorption pour l’élimination des polluants organiques dans l’eau(2025-10-29) MAHI, Chaima; BENAKCHA, SouhaLe but de notre travail est l’étude de l’élimination des composés organiques dans l’eau par adsorption en batch et dans un lit de charbon actif en grain. Ce travail porte sur l’étude de l’élimination de deux polluants organiques couramment présents dans les eaux usées, à savoir le phénol et le bleu de méthylène, par adsorption sur charbon actif en grain (CAG). Les performances du procédé ont été évaluées en mode discontinu (batch) et en mode continu (lit fixe), en considérant le cas de polluants seuls ainsi que celui de leur mélange, afin d’analyser l’effet compétitif entre les deux composés. En mode batch, l’étude des isothermes d’adsorption a montré que les modèles de Langmuir, Freundlich et Temkin décrivent correctement l’adsorption du phénol et du bleu de méthylène sur le CAG, avec une meilleure adéquation globale du modèle de Langmuir, indiquant une adsorption majoritairement en monocouche. Les résultats révèlent une capacité d’adsorption plus élevée pour le bleu de méthylène comparativement au phénol, traduisant une plus grande affinité du CAG pour le colorant. L’étude cinétique a mis en évidence que l’adsorption des deux polluants suit principalement le modèle du pseudo-second ordre, suggérant que le mécanisme d’adsorption est dominé par des interactions de type physico-chimique. Le modèle de diffusion intra-particulaire a montré que la diffusion dans les pores intervient dans le processus sans toutefois constituer l’unique étape limitante. En système continu, les courbes de percée ont permis d’analyser l’influence des paramètres opératoires. Les résultats montrent que l’augmentation de la concentration initiale et du débit d’alimentation entraîne une diminution des temps de percée et de saturation, tandis que l’augmentation de la masse de charbon actif améliore significativement les performances du lit en retardant la saturation. Les modèles dynamiques de Thomas et de Yoon–Nelson ont été appliqués avec succès aux données expérimentales, présentant de bons coefficients de corrélation et permettant d’estimer les paramètres caractéristiques de la colonne. L’étude du mélange phénol–bleu de méthylène a mis en évidence un effet compétitif marqué, se traduisant par une diminution de l’adsorption du phénol en présence du bleu de méthylène, ce dernier présentant une affinité plus élevée pour les sites actifs du CAG. En conclusion, les résultats obtenus confirment l’efficacité du charbon actif en grain pour l’élimination des polluants organiques étudiés, aussi bien en mode batch qu’en mode continu, et soulignent l’importance de la prise en compte des phénomènes de compétition lors du traitement d’eaux contenant plusieurs contaminants.Item Détection Précoce des Insectes Ravageurs dans les Cultures de Citronniers à l’aide de Réseaux Neuronaux Convolutifs (CNNs)(2025-12-11) DJEBLI, Ikram; HAMROUZE, SofianeLa culture des agrumes joue un rôle majeur dans l’économie agricole des régions méditerranéennes, mais elle est fortement affectée par les attaques d’insectes ravageurs, rendant la détection précoce indispensable pour une gestion phytosanitaire durable. Ce travail propose une approche de surveillance intelligente basée sur l’apprentissage profond, utilisant des réseaux de neurones convolutifs (CNN) pour la classification automatique des insectes ravageurs des agrumes à partir d’images. Quatre architectures pré-entraînées sur ImageNet ont été étudiées et comparées : MobileNetV3-Small, ResNet-18, DenseNet-121 et EfficientNet-B0. La méthodologie repose sur l’apprentissage par transfert afin d’adapter ces modèles à un jeu d’images spécifique. Les performances ont été évaluées selon la précision de classification, le temps d’inférence et l’aptitude à l’intégration sur des systèmes embarqués. Les résultats montrent que les architectures légères, notamment MobileNetV3-Small et ResNet18, offrent un compromis optimal entre précision et rapidité, les rendant adaptées à la surveillance en temps réel. Cette étude confirme le potentiel des CNN pour le développement de systèmes autonomes de détection et d’alerte précoce, contribuant à une agriculture plus durable et intelligente.Item Impacte de la vulnérabilité climatiques sur la ressources hydriques en Algérie cas de bassin versant de la Soummam(2025-10-30) NESSAH, Abd El Malek; AOUCHICHE, AbderraoufCe mémoire analyse, sur la période 1970–2020 (50 ans), la variabilité hydro‑climatique du bassin versant de la Soummam et ses répercussions sur le fonctionnement hydrologique. L’étude s’appuie sur des séries de précipitations issues de plusieurs stations du bassin et sur la caractérisation des épisodes de sécheresse au moyen de l’indice SPI calculé à différentes échelles temporelles. Après contrôle qualité et agrégation, les données sont traitées par des méthodes statistiques (XLSTAT) et des outils hydrologiques (HYDROLAB), puis intégrées en cartographie sous QGIS pour apprécier la distribution spatiale des épisodes secs. Une analyse en composantes principales (ACP) est mobilisée pour synthétiser les variables hydro‑climatiques et dégager les gradients dominants ainsi que les profils de sous‑bassins. La variabilité relative des précipitations, mesurée par le coefficient de variation (CV), met en évidence un gradient marqué entre stations : SIDI AICH (19,3 %), PORTES DE FER (26,6 %), EL ESNAM SH (28,4 %), IGHIL ALI (28,7 %) et un maximum à MCHEDALLAH (53,7 %). L’étude identifie des tendances des précipitations, quantifie la fréquence et l’intensité des épisodes de sécheresse et en discute les effets potentiels sur les régimes d’écoulement. Ces résultats constituent une base solide pour une gestion durable des ressources en eau et un appui à la décision pour la planification et l’adaptation locale.