{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/8565"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/8565","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Les algorithmes d’intelligence artificielle pour la détection, l’inspection des produits naturels : Le bois","abstract":""Dans cette thèse, nous nous intéressons à présenter un système de vision pour l’inspection et la détection des défauts dans le bois. Cette démarche consiste à étudier des algorithmes basés sur les réseaux de neurones convolutifs, qui représentent l’état de l’art en vision par ordinateur. Cette étude implique la collecte et la construction d’un ensemble de données, ainsi que le réentraînement de deux modèles de détection d’objets, YOLOv5 et YOLOv7, directement sur cet ensemble de données en utilisant l’apprentissage par transfert et YOLOv9 pour une base collectée au sein de notre laboratoire. L’évaluation de leurs performances sur des images de test révèle leurs capacités et leurs faiblesses. Les modèles sont capables de détecter les défauts et atteignent respectivement une précision moyenne de l’ordre de 90 %. Mots clés : algorithme, vision industrielle, réseau neuronal, YOLO, et système de détection d’objets. "--Résumé.","abstract_html":""Dans cette thèse, nous nous intéressons à présenter un système de vision pour l’inspection et la détection des défauts dans le bois. Cette démarche consiste à étudier des algorithmes basés sur les réseaux de neurones convolutifs, qui représentent l’état de l’art en vision par ordinateur. Cette étude implique la collecte et la construction d’un ensemble de données, ainsi que le réentraînement de deux modèles de détection d’objets, YOLOv5 et YOLOv7, directement sur cet ensemble de données en utilisant l’apprentissage par transfert et YOLOv9 pour une base collectée au sein de notre laboratoire. L’évaluation de leurs performances sur des images de test révèle leurs capacités et leurs faiblesses. Les modèles sont capables de détecter les défauts et atteignent respectivement une précision moyenne de l’ordre de 90 %. Mots clés : algorithme, vision industrielle, réseau neuronal, YOLO, et système de détection d’objets. "--Résumé.","abstract_has_math":false,"creators":["Afaf, Soukaina"],"institution":null,"degree_name":"Maîtrise ès sciences appliquées (M. Sc. A.)","degree_level":"2e","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Selouani, Sid-Ahmed"],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-07-24T03:10:09Z","subjects":["Vision par ordinateur","Intelligence artificielle","Réseaux neuronaux","Bois","Produits forestiers"],"languages":["fr"],"rights":["Attribution-NonCommercial-NoDerivatives 4.0 International"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/8565","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Selouani, Sid-Ahmed"]},{"key":"dc:creator","label":"Author","values":["Afaf, Soukaina"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2026-06-24T15:53:04Z"]},{"key":"dc:date.issued","label":"Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["Thesis"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences appliquées (M. Sc. A.)"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Vision par ordinateur","Intelligence artificielle","Réseaux neuronaux","Bois","Produits forestiers"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["fr"]},{"key":"dc:rights","label":"Dc Rights","values":["Attribution-NonCommercial-NoDerivatives 4.0 International"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/8565"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":[""Dans cette thèse, nous nous intéressons à présenter un système de vision pour l’inspection et la détection des défauts dans le bois. Cette démarche consiste à étudier des algorithmes basés sur les réseaux de neurones convolutifs, qui représentent l’état de l’art en vision par ordinateur. Cette étude implique la collecte et la construction d’un ensemble de données, ainsi que le réentraînement de deux modèles de détection d’objets, YOLOv5 et YOLOv7, directement sur cet ensemble de données en utilisant l’apprentissage par transfert et YOLOv9 pour une base collectée au sein de notre laboratoire. L’évaluation de leurs performances sur des images de test révèle leurs capacités et leurs faiblesses. Les modèles sont capables de détecter les défauts et atteignent respectivement une précision moyenne de l’ordre de 90 %. Mots clés : algorithme, vision industrielle, réseau neuronal, YOLO, et système de détection d’objets. "--Résumé."]},{"key":"dc:title","label":"Title","values":["Les algorithmes d’intelligence artificielle pour la détection, l’inspection des produits naturels : Le bois"]}]}],"canonical_facts":{"dc:contributor.advisor":["Selouani, Sid-Ahmed"],"dc:creator":["Afaf, Soukaina"],"dc:date.accessioned":["2026-06-24T15:53:04Z"],"dc:date.issued":["2024"],"dc:description.abstract":[""Dans cette thèse, nous nous intéressons à présenter un système de vision pour l’inspection et la détection des défauts dans le bois. Cette démarche consiste à étudier des algorithmes basés sur les réseaux de neurones convolutifs, qui représentent l’état de l’art en vision par ordinateur. Cette étude implique la collecte et la construction d’un ensemble de données, ainsi que le réentraînement de deux modèles de détection d’objets, YOLOv5 et YOLOv7, directement sur cet ensemble de données en utilisant l’apprentissage par transfert et YOLOv9 pour une base collectée au sein de notre laboratoire. L’évaluation de leurs performances sur des images de test révèle leurs capacités et leurs faiblesses. Les modèles sont capables de détecter les défauts et atteignent respectivement une précision moyenne de l’ordre de 90 %. Mots clés : algorithme, vision industrielle, réseau neuronal, YOLO, et système de détection d’objets. "--Résumé."],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/8565"],"dc:language.iso":["fr"],"dc:rights":["Attribution-NonCommercial-NoDerivatives 4.0 International"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["Vision par ordinateur","Intelligence artificielle","Réseaux neuronaux","Bois","Produits forestiers"],"dc:title":["Les algorithmes d’intelligence artificielle pour la détection, l’inspection des produits naturels : Le bois"],"dc:type":["Thesis"],"thesis:degree_level":["2e"],"thesis:degree_name":["Maîtrise ès sciences appliquées (M. Sc. A.)"]},"updated_at":"2026-07-24T03:10:09Z"}