Etudiant : BADDAR KHALID

Filière : Master Microélectronique, Signaux et Systèmes (2ME2S)

Encadrant : Pr. Ouazzani Chahidi Laila

Annèe : 2024

Résumé : Dans ce projet nous avons abordé les notions fondamentales de la vision par ordinateur, de traitements et de l’intelligence artificielle ainsi que les réseaux de neurones en générale et les réseaux de neurones convolutifs en particulier en expliquant leurs fonctionnements et leurs architectures. Ce projet a été une exploration fascinante des technologies de pointe en matière de détection des déchirures dans les convoyeurs à bande. À travers l'utilisation de l'intelligence artificielle, du Deep Learning et le traitement d’images, nous avons pu concevoir et mettre en œuvre un système efficace de détection des déchirures sur les bandes transporteuses. L'approche adoptée, basée sur le modèle YOLOv8, s'est avérée particulièrement efficace pour détecter avec précision les déchirures, réduisant ainsi les risques d'arrêts imprévus et de dommages matériels. En plus de notre approche basée sur le modèle YOLOv8, nous avons exploré une deuxième solution de traitement d'image pour la détection des déchirures sur les bandes transporteuses. Cette solution, bien que différente dans son approche, a également montré des résultats prometteurs, soulignant la diversité des méthodes disponibles pour résoudre ce problème complexe. La combinaison de ces deux approches nous a permis de comparer et d'évaluer les avantages et les limitations de chaque méthode, offrant ainsi un aperçu précieux pour le développement futur de systèmes de surveillance et de maintenance prédictive. En somme, ce projet représente une avancée significative dans le domaine de la maintenance prédictive des convoyeurs à bande, démontrant le potentiel immense des technologies émergentes pour améliorer la sécurité et l'efficacité des infrastructures industrielles.