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

Beghdad, Rania

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