| Titre : | Détection et identification des maladies des plantes à l'aide de l'Apprentissage Profond |
| Auteurs : | Guenachi Hayat, Auteur ; Khiati Nadri, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 72ض |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008690 |
| Catégories : |
Master en informatique Spécialité : Modélisation Informatique des Connaissances et du Raisonnement |
| Mots-clés: | :الذكاء االصطناعي، التعلم العميق، اكتشاف أمراض النباتات، الرؤية الحاسوبية Artificial intelligence, Deep learning, Plant disease detection, Computer vision Intelligence artificielle, Apprentissage profond, Détection des maladies des plantes, Vision par ordinateur. |
| Résumé : |
ملخص
يتمحور هذا المشروع حول اكتشاف وتشخيص أمراض النباتات باستعمال تقنيات التعلم العميق. يهدف المشروع إلى تطوير نظام ذكي قادر على تحليل صور أوراق النباتات والتعرف تلقائيًا على األمراض بدقة عالية. تم دراسة ومقارنة عدة نماذج من التعلم العميق مثلCNNوResNet50وEfficientNetباستخدام مجموعة من مؤشرات األداء.كما تم تطوير تطبيق ويب تفاعلي باستعمالStreamlitيسمح للمستخدمين باختبار النماذج بسهولة على صور حقيقية. أظهرت النتائج فعالية تقنيات التعلم العميق في المجال الزراعي وقدرتها على تحسين مراقبة المحاصيل وتشخيص األمراض النباتية. This project focuses on the detection and identification of plant diseases using deep learning techniques. The main objective is to develop an intelligent system capable of analyzing leaf images and automatically identifying diseases with high accuracy. Several Deep Learning models, including CNN, ResNet50, and EfficientNet, were studied and compared using different performance metrics. An interactive web application based on Streamlit was also developed to allow users to test the models on real images easily. The obtained results demonstrate the effectiveness of Deep Learning approaches in agriculture and their potential to improve crop monitoring and disease diagnosis Ce projet porte sur la détection et l’identification des maladies des plantes à l’aide des techniques d’apprentissage profond. L’objectif principal est de développer un système intelligent capable d’analyser les images des feuilles afin d’identifier automatiquement les maladies avec une grande précision. Plusieurs modèles de Deep Learning, notamment CNN, ResNet50 et EfficientNet, ont été étudiés et comparés à travers différentes métriques de performance. Une application web interactive basée sur Streamlit a également été développée pour permettre aux utilisateurs de tester facilement les modèles sur des images réelles. Les résultats obtenus montrent l’efficacité des approches de Deep Learning dans le domaine agricole et leur potentiel pour améliorer la surveillance des cultures |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008690 Adobe Acrobat PDF |
