Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/21379
Titre: Contrôle qualité et détection de défauts pour les systèmes de triage industriel par l’utilisation de deep learning
Auteur(s): BENYETTOU, Amina Souhila
HABIB, Khadîdja
Mots-clés: Classification, Deep Learning, système de détection, prétraitement d'image
Date de publication: 18-jui-2023
Editeur: University of Tlemcen
Résumé: Ce mémoire se concentre sur la classification des images de boîtes d'emballage en utilisant le Deep Learning. Pour ce faire, un système de classification et de détection d'images a été créé en utilisant un réseau de neurones convolutifs (CNN). L'implémentation du programme a été réalisée sur Google Colab avec un accélérateur GPU pour accélérer les calculs mathématiques. Le programme utilise une série de cellules pour classifier la nature de boites (défectueuse/non défectueuse). Pour que cette solution puisse être intégrée sur le terrain, des modificat ions doivent être apportées pour qu'elle puisse traiter un grand nombre de boites en temps réel à l'aide de caméras industrielles. Les résultats de la classification ont été satisfaisants avec une précision supérieure à 90%. Des techniques de prétraitement d'image ont également été appliquées pour améliorer la qualité des images avant l'entraînement du modèle. Enfin, les notions et définitions de base du domaine du Deep Learning ont été exposées, ce qui permet une meilleure compréhension de l'approche adoptée dans ce travail de recherche.
URI/URL: http://dspace1.univ-tlemcen.dz/handle/112/21379
Collection(s) :Master en GEE

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Contrôle_qualite_et_detection_de_defauts_pour_les_systemes_de_triage_industriel_par_l’utilisation_de_deep_learning.pdf2,19 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.