Département Génie Rural

Permanent URI for this collectionhttp://10.10.20.114:4000/handle/123456789/2351

Browse

Search Results

Now showing 1 - 10 of 205
  • Thumbnail Image
    Item
    Development of an empirical model based on the dimensional analysis for predicting the fuel consumption of two Tractors: DEUTZ FAHR Agrotrac and Torpedo TD 68
    (2026-07-01) RAHLI, Boutheina Katr elnada
    This study aims to develop empirical models for predicting the hourly fuel consumption of two agricultural tractors, namely the Torpedo TD68 and the DEUTZ FAHR Agrotrac, using dimensional analysis as a modelling tool. The experiments were conducted in two contrasting agroecological regions: the ENSA experimental station in Algiers, located in the Mitidja plain, and the ITGC station in Sétif, representative of the semi-arid High Plateaus. The measurements focused on the physico-mechanical properties of the soil, including soil moisture, bulk density, porosity and penetration resistance, as well as tractor operating parameters such as forward speed, engine speed, working depth, wheel slip and fuel consumption. The results obtained in Algiers showed that tillage operations improved the structural condition of the worked soil layer by reducing penetration resistance, particularly after the use of the vibrocultivator and the cover-crop. However, plowing with the Torpedo TD68 revealed a major limitation in traction performance, with a very high wheel slip of 54.40%, indicating significant energy loss through skidding and low efficiency in power transmission to the soil. In Sétif, deep tillage at 50 cm using the DEUTZ FAHR Agrotrac resulted in a significant reduction in penetration resistance, indicating good fracturing of compacted soil horizons. However, this operation required a high energy demand, with fuel consumption increasing from 6.15 L/h under no-load conditions to 54.9 L/h under load. Despite this, wheel slip remained at 13.80%, which corresponds to an optimal traction range. The comparison of the two models shows that penetration resistance is the most determining factor in fuel consumption, especially in Sétif, while wheel slip has a greater influence on fuel consumption in Algiers. These models represent useful tools for optimizing tractor– implement selection, reducing energy losses and improving the efficiency of agricultural mechanization.
  • Thumbnail Image
    Item
    Analyse expérimentale des performances de traction des tracteurs agricoles en système conventionnel
    (2026-06-21) MAHDJOUB, Malak
    Dans le cadre du travail conventionnel du sol, les performances de traction des tracteurs agricoles sont un facteur essentiel pour évaluer l’efficacité énergétique et de la productivité des travaux agricoles. Ces performances dépendent étroitement des interactions entre les paramètres du sol, les outils aratoires et les conditions du travail. Cette étude s’inscrit dans une démarche visant à analyser les performances de traction du tracteur agricole en relation avec les paramètres de sol lors du travail conventionnel. L’objectif principale est de déterminer les performances de traction du deux tracteurs agricoles en travail conventionnel et sous l’influence des paramètres du sol, en analysant les variables essentielles tels que l’humidité, la porosité, la densité apparente, le taux de saturation de la porosité et la résistance à la pénétration. Le travail a été réalisé durant la compagne agricole 2025/2026 sur deux parcelles, l’une à la station expérimentale de l’École Nationale Supérieure Agronomique (ENSA) d’El-Harrach et l’autre la station expérimentale d’Institut Technique des Grandes Cultures (l'ITGC). Les résultats obtenus montrent que les paramètres du sol influencent les performances de traction du tracteur, comme observé dans le site (ENSA). De plus le surdimensionnement du travail de la charrue a un impact notable sur ces performances, comme constaté dans le site (l'ITGC). Enfin, le glissement du tracteur, influencé par le poids du tracteur-outil dans les deux sites étudiés. Ces observations confirment qu’il est nécessaire de contrôler les paramètres du sol, les dimensions du travail, ainsi que les caractéristiques techniques du tracteur pour optimiser les performances de traction et éviter les pertes d’énergie.
  • Thumbnail Image
    Item
    Validation du modèle AquaCrop pour la simulation du rendement du blé à la station expérimentale de l’INRA Mehdi Boualem(Alger)
    (2025-12-18) ATAMNA, Yasmine
    Ce travail porte sur la validation du modèle AquaCrop pour la simulation du rendement du blé à la station Mahdi Boualem (INRAA, Baraki). L’étude a consisté à calibrer et à valider le modèle à partir de données locales (climat, sol, et paramètres culturaux). Les résultats ont montré une bonne concordance entre les rendements simulés et observés, avec un R² de 0,91, un nRMSE de 12,3 % et un indice de Willmott (d) de 0,93, indiquant une performance satisfaisante du modèle. Ces résultats confirment la fiabilité d’AquaCrop pour représenter la dynamique hydrique du sol, le développement du couvert végétal et la productivité du blé en conditions semi-arides algériennes. Le modèle s’avère donc un outil efficace pour la gestion durable de l’eau et l’optimisation de la production céréalière.
  • Thumbnail Image
    Item
    Water quality classification using machine learning
    (2024-10-06) DIB, Nadjet
    A 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.
  • 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.
  • Thumbnail Image
    Item
    Conception d’un système sand-aquaponique
    (2026-01-29) MEDJERDAOUI, Nihed
    L’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.
  • Thumbnail Image
    Item
    Improving the Accuracy of Cotton Water Stress Detection on DroneCaptured Data
    (2025-10-08) BOUZID, Mohamed Amir
    This 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.
  • Thumbnail Image
    Item
    Performances de traction du tracteur Cirta en travail conventionnel
    (2025-10-29) AYEB, Oumaima
    La 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.
  • Thumbnail Image
    Item
    Classification automatique des espèces adventices pour destruction ciblée
    (2025-12-11) ARIBI, Kheira Bochra Lamia
    Les 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.
  • Thumbnail Image
    Item
    Évaluation des systèmes de culture pour la production de luzerne
    (2025-10-29) BRAHIMI, Ahmed Chakib; KHABABA, Anes
    Ce 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 Algérie