Utilisation  du Deep Learning pour la détection des détection des défauts  de soudure sur des images de radiographie de joints soudés

Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/24880

Affichage complet

Élément Dublin Core	Valeur	Langue
dc.contributor.author	Beghdad, Rania	-
dc.date.accessioned	2023-09-13T10:32:07Z	-
dc.date.available	2023-09-13T10:32:07Z	-
dc.date.issued	2023	-
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/24880	-
dc.description	621.1209 ; 101 p ; illustré	fr_FR
dc.description.abstract	Cette thèse vise à tester plusieurs modèles basés sur des réseaux neuronaux convolutionnels pour analyser et détecter plusieurs défauts dans des joints soudés à partir d'images radiographiques. Différentes architectures de réseaux neuronaux convolutionnels seront construites, entraînées et testées sur une base de données comprenant des classes de défauts ainsi qu'une classe sans défaut. L'objectif est d'identifier l'architecture la plus efficace pour prédire plusieurs défauts	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Univ Blida1	fr_FR
dc.subject	intelligence artificielle, CNN, images radiographiques, défauts de joints soudés, classification, automatisation, détection, précision	fr_FR
dc.title	Utilisation du Deep Learning pour la détection des détection des défauts de soudure sur des images de radiographie de joints soudés	fr_FR
Collection(s) :	Mémoires de Master

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
Mémoire2023 04-07-2023 (1) (2).pdf		3,22 MB	Adobe PDF	Voir/Ouvrir

DSpace JSPUI