Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/31380
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | KHENDOUKI Fedoua | - |
dc.date.accessioned | 2024-10-13T10:26:10Z | - |
dc.date.available | 2024-10-13T10:26:10Z | - |
dc.date.issued | 2024 | - |
dc.identifier.uri | https://di.univ-blida.dz/jspui/handle/123456789/31380 | - |
dc.description | 4.621.1.1346;77p | fr_FR |
dc.description.abstract | La fréquence et la gravité croissantes des incendies de forêt présentent d’importants défis en matière d’environnement et de sécurité. Ce projet vise à développer un système de détection et d'alerte d’incendie intégré à l'IA et déployé sur des drones. À l'aide du modèle d'apprentissage profond YOLOv8 et des ensembles de données d'images d'incendie, le système détecte les incendies en temps réel et émet des alertes immédiates. Les mesures d'évaluation telles que l'exactitude, la précision, le rappel et le score F1 démontrent son efficacité. L'étude explore les applications d'apprentissage profond dans divers domaines et discute des détails de mise en œuvre du modèle YOLOv8. Les résultats des tests sur PC, Raspberry Pi et drones mettent en évidence les capacités du système et les améliorations potentielles. | fr_FR |
dc.language.iso | en | fr_FR |
dc.publisher | blida1 | fr_FR |
dc.subject | AI, IoT, détection d'incendie, drone, YOLO. | fr_FR |
dc.title | Smart Fire Detection and AlertSystem Drone: AI-IoT Integration | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Smart Fire Detection and Alert-System Drone AI-IoT Integration.pdf | 2,96 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.