1 résultat(s) recherche sur le mot-clé 'Maladie de la tomate, Deep learning, réseau de neurones à convolution, Classification'

Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning / NOREDINE HAJRAOUI

Public ISBD Titre : Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning Type de document : projet fin études Auteurs : NOREDINE HAJRAOUI, Auteur Langues : Français (fre) Catégories : BIG DATA Mots-clés : Maladie de la tomate, Deep learning, réseau de neurones à convolution, Classification Index. décimale : mast 271/19 Résumé : Les maladies des plantes sont des facteurs importants car elles entraînent une réduction importante de la qualité et de la quantité de produits agricoles. Par conséquent, la détection précoce et le diagnostic de ces maladies sont importants. Nous donc proposons une approche basée sur l’apprentissage en profondeur qui automatise le processus de classification des maladies des feuilles de la tomate. Nous utilisons le réseau de neurones à convolution pour classifier les ensembles de données d'images. Les résultats préliminaires démontrent l'efficacité de l'approche. Les applications basées sur le traitement d'images pour la reconnaissance et la classification des maladies des plantes constituent le vaste domaine de recherche de nos jours. Ces applications sont utiles pour la reconnaissance rapide des maladies des plantes. Dans ce projet, quatre types de maladies de la tomate, à savoir le Mildiou de la tomate, l’Oïdium, la Pourriture et le Bactériose, sont classés. La classification est réalisée en extrayant les caractéristiques de couleur, de forme et de texture de l’image de la tomate. Le processus d'extraction et de classification d'images est effectué de façon automatique en utilisant le réseau de neurones de convolution - Deep Learning in python. Reconnaissance des maladies de la tomate par classification de texture et forme en utilisant le Deep Learning [projet fin études] / NOREDINE HAJRAOUI, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Mots-clés : Maladie de la tomate, Deep learning, réseau de neurones à convolution, Classification Index. décimale : mast 271/19 Résumé : Les maladies des plantes sont des facteurs importants car elles entraînent une réduction importante de la qualité et de la quantité de produits agricoles. Par conséquent, la détection précoce et le diagnostic de ces maladies sont importants. Nous donc proposons une approche basée sur l’apprentissage en profondeur qui automatise le processus de classification des maladies des feuilles de la tomate. Nous utilisons le réseau de neurones à convolution pour classifier les ensembles de données d'images. Les résultats préliminaires démontrent l'efficacité de l'approche. Les applications basées sur le traitement d'images pour la reconnaissance et la classification des maladies des plantes constituent le vaste domaine de recherche de nos jours. Ces applications sont utiles pour la reconnaissance rapide des maladies des plantes. Dans ce projet, quatre types de maladies de la tomate, à savoir le Mildiou de la tomate, l’Oïdium, la Pourriture et le Bactériose, sont classés. La classification est réalisée en extrayant les caractéristiques de couleur, de forme et de texture de l’image de la tomate. Le processus d'extraction et de classification d'images est effectué de façon automatique en utilisant le réseau de neurones de convolution - Deep Learning in python.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 271/19	mast 271/19 NOR	Texte imprimé	Unité des masters	Mast/19	Disponible