Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/31387
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorLamia SARAOUI-
dc.contributor.authorRaouf ABDALLAH ELHIRTSI-
dc.date.accessioned2024-10-13T10:50:55Z-
dc.date.available2024-10-13T10:50:55Z-
dc.date.issued2024-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/31387-
dc.description4.621.1.1345;111pfr_FR
dc.description.abstractLes maladies des plantes représentent un défi important pour l'agriculture, car elles affectent la santé des cultures et la sécurité alimentaire mondiale. Les méthodes traditionnelles de détection des maladies, qui reposent sur l'inspection manuelle, sont sujettes aux erreurs et à l'inefficacité. Cette thèse explore l'application de l'apprentissage profond (DL) dans la détection des maladies des plantes, en se concentrant sur trois modèles: MobileNetV2, LightGBM et Vision Transformer (ViT). Ces modèles sont choisis pour leur efficacité dans des environnements à ressources limitées, tels que les appareils mobiles. L'étude évalue la précision, la vitesse et l'efficacité de calcul des modèles dans ce domaine et met en œuvre une solution pratique utilisant le cadre Streamlit pour un déploiement en temps réel. Les objectifs sont d'améliorer les capacités de détection des maladies et de soutenir les pratiques agricoles durables.fr_FR
dc.language.isofrfr_FR
dc.publisherblida1fr_FR
dc.subjectMaladies des plantes, agriculture, sécurité alimentaire mondiale, apprentissage automatique (ML), apprentissage profond (DL), MobileNetV2, LightGBM, Vision Transform(ViT). erfr_FR
dc.titleClassification of Plant Disease Using Deep Learningfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Memoire.pdf5,14 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.