Afficher la notice abrégée
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 |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée