Conception et réalisation d’un détecteur d’incendie à base de YOLOv8
| dc.contributor.author | Meziane Kenza | |
| dc.contributor.author | Madjoudj Abdessalam | |
| dc.date.accessioned | 2025-02-09T12:09:50Z | |
| dc.date.available | 2025-02-09T12:09:50Z | |
| dc.date.issued | 2023 | |
| dc.description | 69p .; ill .; 30cm . (CD-ROM) | |
| dc.description.abstract | Face aux risques croissants d'incendies, nous proposons un système de détection s'appuyant sur la puissance de l'algorithme d'apprentissage profond YOLOv8, couplé à un microcontrôleur Arduino et à des capteurs. Ce système capture des images de la zone sous surveillance à l'aide d'une caméra, puis les analyse en temps réel grâce à YOLOv8 afin d'identifier avec précision la présence de feux. En cas de détection d'un sinistre, une alerte est immédiatement déclenchée pour prévenir les occupants. Soumis à des évaluations approfondies dans diverses conditions environnementales, notre systeme a démontré une fiabilité exceptionnelle, affichant un taux de détection élevé et un nombre minimal de fausses alarmes. Cette performance remarquable le positionne avantageusement par rapport aux méthodes traditionnelles de détection d'incendie, en faisant un outil indispensable pour la sauvegarde des vies et des biens Les principaux avantages de notre système résident dans sa capacité d'analyse en temps réel, permettant une détection immédiate des incendies et une minimisation des risques et dommages. De plus, la précision de l'algorithme YOLOv8 garantit une fiabilité accrue, notamment le nombre de fausses alertes et les perturbations inutiles. En conclusion, ce système de détection d'incendie révolutionnaire, fondé sur l'intelligence artificielle YOLOv8, représente une avancée majeure dans la lutte contre les sinistres. Sa précision, sa réactivité et sa fiabilité en font un outil indispensable pour la protection des vies et des biens, dans les contextes résidentiels, commerciaux et industriels | |
| dc.identifier.citation | Electronique des Systèmes Embarqués | |
| dc.identifier.other | MAST.ELN.10-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/26477 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Détecteur d’incendie | |
| dc.subject | Traitement d’image | |
| dc.subject | vision par ordinateur | |
| dc.subject | Deep Learning | |
| dc.subject | YOLOv8 | |
| dc.subject | Arduino | |
| dc.subject | Capteurs | |
| dc.subject | Temps réel | |
| dc.subject | Python | |
| dc.title | Conception et réalisation d’un détecteur d’incendie à base de YOLOv8 | |
| dc.type | Thesis |