Résumé:
La protection des cultures agricoles représente un défi majeur, où les maladies des plantes peuvent causer des pertes de rendement significatives. Les méthodes de diagnostic traditionnelles, basées sur l'observation visuelle, sont souvent lentes, subjectives et manquent de précision, ce qui retarde les interventions critiques. Ce mémoire présente la conception et l'implémentation d'un système basé sur l'apprentissage profond pour la classification automatique de ces maladies. La solution s'appuie sur un réseau de neurones convolutif (CNN) entraîné à partir de zéro, capable d'identifier 38 classes distinctes à partir d'images de feuilles. À l'issue de la phase d'entraînement, le modèle développé a atteint une précision de 98%. Ce travail illustre ainsi le potentiel des réseaux de neurones convolutifs comme outil pour l'aide au diagnostic automatisé dans le domaine agricole.
Mots clés: Détection maladies végétales, Apprentissage Profond, Réseaux de Neurones Convolutifs, Classification d'images, Vision par ordinateur, Intelligence Artificielle, Aide à la décision.
