Browsing by Author "Meglouli, Hocine(Directeur de thèse)"

Now showing 1 - 2 of 2

Intelligent monitoring of an industrial system using image classification
(Universite M'Hamed Bougara Boumerdès : Faculté des Hydrocarbures et de la Chimie, 2025) Kateb, Yousra; Meglouli, Hocine(Directeur de thèse)
L'importance de l'automatisation pour améliorer l'efficacité et la rentabilité, tout en réduisant au minimum la participation humaine, a entraîné une augmentation considérable des industries automatisées dans divers secteurs à l'échelle mondiale. Cependant, ces industries doivent surmonter un certain nombre d'obstacles pour trouver des défauts dans le produit fini. Dans ce scénario particulier, la mise en oeuvre de systèmes de surveillance intelligents semble contribuer grandement à l'inspection automatisée des défauts de la qualité des produits tout en réduisant la nécessité d'une intervention humaine excessive. Cependant, ces systèmes manquent de plusieurs composants essentiels, ce qui entraîne des retards et des inefficacités de la production. Le domaine fait face à des défis importants, notamment un temps d'exécution limité, des coûts élevés et l'utilisation de processeurs qui manquent de puissance suffisante à des fins de surveillance. Cette thèse utilise un réseau neuronal convolutionel récemment développé, NasNet-Mobile, dans une tentative de surmonter ces limitations. Notre étude a impliqué l'utilisation d'un réseau neuronal profond cusomisé qui a fait l'objet d'une formation approfondie pour classer avec précision six défauts distincts trouvés sur les surfaces d'acier. L'algorithme a été amélioré en utilisant la fonction d'activation de l'ELU au lieu de ReLU pour résoudre le problème des neurones en train de mourir. Les optimisateurs ont été changés entre ADAM et ADAMAX pour trouver le meilleur. De nombreuses autres couches ont été ajoutées pour améliorer l'apprentissage du modèle, comme Dropout et le Global Average Pooling. Les résultats ont été très prometteurs, car l'approche proposée a réussi à classer six types différents d'images défectueuses dans le domaine de l'acier industriel. Même avec beaucoup moins de données que d'autres ensembles de données de recherche, le modèle a obtenu une précision impressionnante de 99,51 % avant le réglage fin et de 100 % après le reglage fin, dépassant les méthodes précédentes d'évaluation des défauts de pointe. L'importance de cette recherche réside dans son potentiel d'améliorer la surveillance intelligente de l'industrie dans des scénarios difficiles, tels que des échantillons d'images défectueux limités, des logiciels moins puissants ou des situations sensibles au temps. En répondant à ces défis, l'industrie de l'acier peut réduire les coûts et le temps consacré à l'ensemble du processus tout en améliorant la sécurité des travailleurs et la qualité des produits
Representations d'images pour la recherche et la classification d'images
(Universite M'Hamed Bougara : Faculté des hydrocarbures et de la chimie, 2021) Khebli, Abdelmalek; Meglouli, Hocine(Directeur de thèse)
La reconnaissance d'actions humaines dans des séquences vidéo est un problème important, actuellement au cœur de nombreux domaines de recherche comme la vidéo surveillance et les interfaces Homme-Machine. Le développement d'algorithmes de reconnaissance d'actions précis et efficaces est une tâche difficile à cause des fortes variabilités des formes humaines, des vêtements et du mouvement. Ce travail vise la reconnaissance de l'action humaine dans la vidéo. Les actions humaines dans la vidéo sont des signaux spatio-temporels tridimensionnels (3D) qui caractérisent à la fois l'apparence visuelle et la dynamique de mouvement des humains. Dans ce travail, nous nous intéresserons principalement à l'information dynamique. Nous utilisons des réseaux de neurones convolutionnels profonds 3D qui prennent des cartes de flot optiques en entrée. Le processus de traitement de notre approche se compose principalement de trois parties : ¢ Calcul des cartes de flot optique; ¢ Filtrage de ces cartes, pour augmenter le taux de classification et de réduire le temps du calcul, qui ne contiennent pas de l'action en utilisant l'entropie pour chaque séquence ; Les réseaux de neurones convolutionnels profonds 3D pour l'extraction de caractéristiques et la classification des actions humaines. Notre méthode est évaluée sur une base de données publique InfAR. En comparaison avec les méthodes existantes dans l'état de l'art, les résultats obtenus montrent l'efficacité de l'approche proposée avec un taux supérieur à 88% sur la même base de données