| Titre : | Système connexionniste pour la classification des vignes et des figuiers |
| Auteurs : | Mohamed Guemeida, Auteur ; Khaled Rezeg, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2017 |
| Format : | 1 vol. (44-V p.) / 30 cm |
| Langues: | Français |
| Mots-clés: | vigne,apprentissage,Extraction des caractéristiques,Classification,réseaux de neurones. |
| Résumé : |
L'apprentissage automatique est une méthode d'analyse des données qui a évolué à la suite des progrès réalisés dans les domaines technologiques et scientifiques. Cette méthode est capable d'analyser et livrer rapidement les données les plus complexes et les résultats les plus précis afin de faciliter le processus de prise de décision.Par conséquent, l'apprentissage automatique a été utilisée dans différentes technologies, est plus particulièrement les réseaux de neurones (RN), grâce à sa facilite d'utilisation des données complexes et analyse les données de grande quantité pour la classification. Dans ce mémoire, nous avons utilisé cette méthode dans le processus de classification de vigne compte tenu du fait que les « vigne » représentent pour notre pays une partie importante de l'économie. Dans notre approche nous avons fait appel aux réseaux de neurones multicouches composés de quatre couches.Avec un corpus d’apprentissages représentants contient les caractéristiques de Quarante-quatre feuille. |
| Sommaire : |
Introduction Générale ................................................................................................. 1 Chapitre I Morphologie de feuilles de vigne 1.introduction ................................................................................................................ 3 2. Définition de la morphologie .................................................................................. 3 3. Description morphologique ........................................................................................ 3 a . Les racines ............................................................................................................. 4 b. Le tronc ................................................................................................................. 4 c. Le rameau ............................................................................................................. 5 d. L'inflorescence ....................................................................................................... 5 e .La feuille adulte ..................................................................................................... 6 f. Paramètres ampérométriques .................................................................................. 7 g. Les cépages ............................................................................................................ 9 4 .conclusion ................................................................................................................ 10 Chapitre II Réseaux de neurones artificiels 1. Introduction .............................................................................................................. 11 2. Neurone Artificiel et Réseaux .................................................................................. 11 2.1 Définition ......................................................................................................... 12 2.2Modèles de réseaux ......................................................................................... 12 2.2.1Les perceptrons multi couches ............................................................. 12 2.2.2 Les réseaux de Kohonen ................................................................... 12 2.2.3Les réseaux de Hopfield....................................................................... 14 3. Processus d’apprentissage Dans les RN .................................................................. 14 3.1Apprentissagepar correction d’erreur ............................................................... 15 3.2Apprentissage par la règle de Hebb ................................................................... 16 3.3 Règle d’apprentissage du perceptron (apprentissage supervisé) ..................... 17 4. Apprentissage du Perceptron multicouche............................................................... 17 4.1Architecture........................................................................................................ 17 4.2La règle de Rétroprobagationde l’erreur du gradient ......................................... 18 5. Processus de classification ....................................................................................... 19 5.1 Détection ........................................................................................................... 20 5.1.1. Prétraitement .......................................................................................... 20 5.1.2. Segmentation ........................................................................................ 20 5.2. La prise de décision ........................................................................................ 23 5.2.1Extraction des caractéristiques ............................................................... 23 6. Conclusion ............................................................................................................... 25 Chapitre III Conception 1. Introduction .............................................................................................................. 26 2. Objectif et architecture du système .......................................................................... 26 3. Conception détaillé du système ............................................................................... 27 3.1 Base d’images .................................................................................................. 27 3.2 Prétraitement ................................................................................................... 27 3.2.1. Lecture d’image ................................................................................ 28 3.2.2. Niveau de Gris .................................................................................. 28 3.2.3. Détection de contour ........................................................................ 28 3.2.4.Binarisation ....................................................................................... 28 3.3. Extraction des caractéristiques ..................................................................... 28 3.4. Décision ........................................................................................................ 30 3.4.1. L’apprentissage ............................................................................... 30 3.4.2 La classification ................................................................................ 31 4. Le feuille de figuier ............................................................................................... 31 5. Conclusion ............................................................................................................. 32 Chapitre IV Implémentation 1. Introduction ............................................................................................................. 33 2. Environnement de l’implémentation ...................................................................... 33 2.1Description du matériel ...................................................................................... 33 2.2Le langage de Programmation ........................................................................... 33 3. Description du logiciel ............................................................................................ 34 3.1La base d’apprentissage ..................................................................................... 36 3.1Classification...................................................................................................... 36 4. Conclusion ............................................................................................................... 43 Conclusion générale .................................................................................................. 44 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/255 | Mémoire master | bibliothèque sciences exactes | Consultable |
