Intégration de Drones et d’Algorithmes d’Intelligence Artificielle pour la Détection Précoce des Stress Biotiques et Abiotiques des Végétaux
| dc.contributor.author | ZEMMAMOUCHE, Walaeddine | |
| dc.date.accessioned | 2025-09-17T10:01:26Z | |
| dc.date.available | 2025-09-17T10:01:26Z | |
| dc.date.issued | 2025-07-07 | |
| dc.description.abstract | L’augmentation des maladies affectant les cultures, d’origine biotique ou abiotique, représente une contrainte majeure pour la sécurité alimentaire et la productivité agricole à l’échelle mondiale. Les méthodes conventionnelles de détection et de gestion des maladies se révèlent souvent coûteuses, lentes et potentiellement nuisibles à l’environnement. Dans ce contexte, ce mémoire propose un système intégré combinant des drones (UAV), l’intelligence artificielle (IA) et une plateforme de recommandation en temps réel pour la détection précoce et la gestion des maladies des cultures. La méthodologie repose sur un pipeline hybride exploitant des modèles avancés de deep learning tels que les réseaux de neurones convolutifs (CNN), les Vision Transformers (ViT) et YOLOv12, atteignant une précision de classification supérieure à 96 %. Le système comprend la conception d’un drone personnalisé équipé d’une caméra RGB, ainsi que le déploiement des modèles IA sur une plateforme embarquée Raspberry Pi. Afin d’accompagner la prise de décision agronomique, une interface web dédiée a été développée, fournissant des visualisations en temps réel, des analyses interprétables et un accès aux résultats du système. Un chatbot intégré, basé sur le traitement du langage naturel (NLP), permet aux utilisateurs d’obtenir des recommandations ciblées selon les maladies détectées. Les résultats expérimentaux montrent que le système proposé surpasse les approches traditionnelles en termes de rapidité, de précision et de coût. Il favorise également une agriculture durable en réduisant l’usage excessif de produits chimiques et en limitant l’impact environnemental. Les perspectives futures incluent l’élargissement à d’autres cultures et l’amélioration de la robustesse et de l’évolutivité du système. | |
| dc.identifier.uri | http://dspace.ensa.dz/handle/123456789/3935 | |
| dc.language.iso | fr | |
| dc.subject | Drones (UAV) | |
| dc.subject | Intelligence Artificielle (IA) | |
| dc.subject | Apprentissage Profond | |
| dc.subject | Détection des Maladies des Plantes | |
| dc.subject | YOLOv12 | |
| dc.subject | Vision Transformers | |
| dc.subject | Calcul en Périphérie | |
| dc.subject | Imagerie RGB | |
| dc.subject | Traitement du Langage Naturel (NLP) | |
| dc.subject | Aide à la Décision | |
| dc.subject | Agriculture de Précision | |
| dc.subject | Gestion Durable des Cultures | |
| dc.title | Intégration de Drones et d’Algorithmes d’Intelligence Artificielle pour la Détection Précoce des Stress Biotiques et Abiotiques des Végétaux | |
| dc.type | Thesis |