http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/41 Sun, 27 Sep 2026 09:48:06 GMT 2026-09-27T09:48:06Z http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16092 Réalisation d’un drone de livraison par reconnaissance faciale Bedjeloud, Hassen; Oucief, Nabil (Encadreur); Zibra, Aicha (Co-encadreur) Ce mémoire présente la conception, la réalisation et la validation expérimentale d’un système de livraison par drone autonome, intégrant une reconnaissance faciale embarquée pour l’identification sécurisée du destinataire. L’objectif principal est d’explorer une solu- tion innovante pour la logistique du dernier kilomètre, en alliant technologies embarquées, intelligence artificielle et automatisation. Le système se compose de deux sous-ensembles distincts : un module de contrôle de vol basé sur une carte Arduino Uno, assurant la stabilisation de l’aéronef par régulation PID, et un module de largage intelligent piloté par un ESP32-CAM exécutant localement un algorithme de reconnaissance faciale. Les deux modules fonctionnent de manière autonome, garantissant une indépendance vis-à-vis de tout serveur externe ou cloud. Une attention particulière a été portée à l’intégration matérielle, à la gestion énergétique et à la fiabilité des signaux. L’architecture adoptée privilégie la redondance, la sécurité et la modularité. L’ensemble du système a été validé expérimentalement, démontrant la faisabi- lité technique du concept et ouvrant la voie à des extensions futures, telles que l’ajout de navigation GPS, de protocoles de communication longue portée et d’une application mobile dédiée. Option: Automatique et informatique industrielle Wed, 01 Jan 2025 00:00:00 GMT http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16092 2025-01-01T00:00:00Z http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16091 Commande MPPT des systèmes photovoltaïques par des méthodes classiques et intelligentes Belkhelfa, Abdelkrim; Ghemit, Yasser; Halimi, Meriem (Encadreur) Ce travail porte sur la mod´elisation et l’optimisation d’un syst`eme photovolta¨ıque (GPV) soumis `a diverses conditions environnementales, notamment les variations de temp´erature, d’irradiance ainsi que les sc´enarios d’ombrage partiel. Dans un premier temps, le g´en´erateur photovolta¨ıque a ´et´e mod´elis´e, suivi par l’impl´ementation de deux techniques classiques de suivi du point de puissance maximale (MPPT) : la m´ethode de Perturbation et Observation (P &O) et celle de l’Incr´ement de Conductance (IncCond). Dans le but d’am´eliorer la robustesse et la rapidit´e du suivi MPPT, une approche fond´ee sur la commande synerg´etique a ´et´e introduite, d´eclin´ee en trois variantes : classique, en temps fini et en temps fixe. Enfin, dans le contexte de l’ombrage partiel, o`u la courbe P −V pr´esente plusieurs maxima locaux, les algorithmes d’intelligence artificielle : le PSO, l’ACO et le CSO ont ´et´e mis en œuvre afin d’identifier efficacement le point de puissance maximale global. Les r´esultats ont mis en ´evidence une am´elioration significative du rendement ´energ´etique grˆace `a ces approches. Option: Automatique et informatique industrielle Wed, 01 Jan 2025 00:00:00 GMT http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16091 2025-01-01T00:00:00Z http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16090 Power system control and optimization using artificial intelligence techniques Laissaoui, Mehdi; Bounar, Anis; Boubertakh, Hamid (Encadreur) Option: Automatique et informatique industrielle Wed, 01 Jan 2025 00:00:00 GMT http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16090 2025-01-01T00:00:00Z http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16083 Détection de voie routière par techniques intelligentes Bougaci, Feriel; Biad, Souad (Encadreur) Ce mémoire porte sur la détection de voie routière et le suivi de trajectoire dans le contexte des véhicules autonomes. Une première approche classique, basée sur le traitement d’image (binarisation, IPM, ajustement parabolique), a été développée pour détecter les marquages au sol et calculer la courbure de la route. Ensuite, une seconde approche basée sur un réseau de neurones convolutif (U-Net) a été mise en œuvre pour améliorer la robustesse de la segmentation. Les courbures extraites ont été intégrées dans un modèle dynamique de véhicule, avec un suivi assuré par un régulateur LQR. Les résultats expérimentaux et de simulation montrent la validité et les limites de chaque approche, ainsi que l’intérêt d’intégrer des techniques d’intelligence artificielle pour une détection plus fiable. Option: Automatique et Informatique Industrielle Wed, 01 Jan 2025 00:00:00 GMT http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/16083 2025-01-01T00:00:00Z