Les algorithmes d’intelligence artificielle pour la détection, l’inspection des produits naturels : Le bois

"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.

Name thesis:degree_name

Maîtrise ès sciences appliquées (M. Sc. A.)

Level thesis:degree_level

2e

Year dc:date.issued

2024

Author dc:creator

• Afaf, Soukaina

Advisor dc:contributor.advisor

• Selouani, Sid-Ahmed

• Vision par ordinateur
• Intelligence artificielle
• Réseaux neuronaux
• Bois
• Produits forestiers

Statement dc:rights

• Attribution-NonCommercial-NoDerivatives 4.0 International

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

fr

Handle dc:identifier.uri

https://hdl.handle.net/20.500.14658/8565

OAI identifier oai:identifier

oai:umoncton.scholaris.ca:20.500.14658/8565