| Titre : | Une approche d'apprentissage automatique pour la détection des maladies dans les fermes intelligentes |
| Auteurs : | RABIE NOUAR, Auteur ; Abdelhak Merizig, 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, 2020 |
| Format : | 1 vol. (78 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Apprentissage automatique,Big Data,Fermes Intelligentes,Internet des objects(IoT). |
| Résumé : | Après l’évolution technologique de ces dernières années, ils proposent des fermes intelligentes.De plus, l’émergence de nouvelles technologies telles que l’Internet des objets (IoT) et le Big Data donneront de bons résultats à l’avenir. Les capteurs installés généreront une énorme quantité de données, le traitement de ces données en temps réel est en fait un gros défi. Un autre problème dans ce domaine est que les changements des facteurs climatiques dans l’atmosphère ou le sol pourraient affecter les plantes au fil du temps. En fin de compte, ces changements pourraient créer un grand défi pour les propriétaires de la ferme. De plus, un de ces problèmes pourrait apparaître chez les plantes, c’est-à-dire des Changements qui diminuent l’évolution des plantes ou qui pourraient créer une maladie. |
| Sommaire : |
1 Introduction Générale 2
1.1 Contexte et Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Objectif du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3 Structure du mémoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Etat de l’art sur les fermes intelligentes 5 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 L’agriculture traditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.2.1 L’agriculture traditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.3 Smart agriculture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.2 Les Avantages de l’agriculture intelligente : . . . . . . . . . . . . . . . . . . . . 9 2.3.3 Architectures de Smart Farm: . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.4 Serre intelligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.4.1 Définition d’une serre intelligente : . . . . . . . . . . . . . . . . . . . . . . . . 11 2.4.2 Architectur d’une serre intelligente . . . . . . . . . . . . . . . . . . . . . . . . 12 2.5 L’IoT en Agriculture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.5.1 Des conseils avant la mise en mettre de IoT en Agriculture . . . . . . . . . . 13 2.5.2 Les avantages des IoT en agriculture . . . . . . . . . . . . . . . . . . . . . . . . 13 2.6 Réseaux de capteurs sans fil (RCSF) en agriculture : . . . . . . . . . . . . . . . . . . . 15 2.7 Comparaison entre l’agriculture traditionnelle et l’agriculture intelligente . . . . . 17 2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3 Travaux connexes et synthèses bibliographiques 20 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 3.2 La détection des maladies chez les plantes . . . . . . . . . . . . . . . . . . . . . . . . 21 3.2.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.2.2 Les maladies chez les plantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3 L’effet de facteur météorologique sur les maladies Agricole : . . . . . . . . . . . . . 22 3.4 Méthodes de détection des maladies des plantes . . . . . . . . . . . . . . . . . . . . 23 3.5 Intelligence artificielle, l’apprentissage et le Big Data . . . . . . . . . . . . . . . . . . 25 3.6 Les Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.7 La synthèse : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4 Conception de système 32 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.2 Description de l’Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.2.1 Phase d’apprentissage : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.3 Phase de production : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 4.4 Description de la Base de données d’apprentissage : . . . . . . . . . . . . . . . . . . 35 4.5 Processus de détection des maladies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 4.5.1 Acquisition de l’image : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.5.2 Prétraitement de l’image : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.5.3 La Segmentation d’image : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 4.5.4 Extraction des caractéristiques : . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.5.5 Classification d’image : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.6 Méthode et Algorithme utilise : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.7 Le paramétrage des couches CNN : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.8 Les modèles CNN proposés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.8.1 -Modèle Proposé N° 01 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.8.2 -Modèle Proposé N° 02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 4.8.3 -Modèle Proposé N° 03 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 4.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 5 Résultats Expérimentaux et Discussions 50 5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.2 Les outils de Développement et Platformutilisé . . . . . . . . . . . . . . . . . . . . . 50 5.2.1 Google "Colaboratory" : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.2.2 Jupyter Notebook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.2.3 TensorFlow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.2.4 Keras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.2.5 Matplotlib . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.2.6 Equipment utilise : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.2.7 Interface de Système : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 5.3 Les Résultats Obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 5.3.1 Model 01 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 5.3.2 Model 02 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 5.3.3 Model 03 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 5.3.4 Etats de sortie de systéme (phase de prédiction) : . . . . . . . . . . . . . . . . 64 5.3.5 Comparaison des résultats obtenu : . . . . . . . . . . . . . . . . . . . . . . . . 66 5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 6 Conclusion Générale et Perspectives 69 6.1 Conclusion Générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 6.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Bibliographie 71 A Annexe 77 A.1 Les Symptômes des maladies traités. . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/581 | Mémoire master | bibliothèque sciences exactes | Consultable |
