Master theses

Permanent URI for this collection

http://dspace.cuillizi.dz/handle/123456789/403
أطروحات الماستر

Browse

Browsing Master theses by Title

Now showing 1 - 7 of 7
  • Thumbnail Image
    Item
    Animal Detection in the Airport Area Via Artificial Intelligence: An Approach for Wildlife Hazard Prevention
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-06-29) BENFEDILA Houssem; Advisors: • Mr. MESSIKH Chouaib
    Air transport, whichisconstantlybeingexpanded, requires optimal airportsecurity. Among the underdocumented but continuousrisksiswildliferisk, whichincurs collisions and high-orderthreats. Traditional solutions to dealingwiththisriskreflect limitations regardingaccuracy and response time. Facedwithsuch observation, thisthesis explores the viability of deeplearning in maximizing animal detectionwithinairportenvironments, throughproposing an accurate, swift, and adaptive solution. الملخص يتطلب قطاع النقل الجوي، الذي يشهد توسعًا مستمرًا، مستويات مثلى من الأمن داخل الحيز المطاري. ومن بين المخاطر المستمرة وغير الموثقة بالشكل الكافي، يبرز خطر الحياة البرية، الذي يتسبب في وقوع اصطدامات وتهديدات من الدرجة العليا. إن الحلول التقليدية للتعامل مع هذا الخطر تعاني من محدودية في الدقة وسرعة الاستجابة. بناءً على هذا المعطى، تستكشف هذه الأطروحة جدوى التعلم العميق في تعزيز اكتشاف الحيوانات ضمن البيئات المطارِية، من خلال اقتراح حل دقيق وسريع وقابل للتكيف.
  • Thumbnail Image
    Item
    Coccidioidomycosis Detectionand Classification using Deep learning
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-07-01) Rayane Chegrouche; Advisors: • Dr.Rim Gasmi
    In this study, we propose a deep learning-based system for coccidiosis diagnosis, employing twomainapproaches:classificationanddetection.Forclassification,weevaluatetheperformanceofsixdeeplearningalgorithmsbytrainingthemondatasetscontainingimagesofhealthylungtissue andtissueinfectedwithValleyfever.Fordetection,weusefivealgorithms,includingYOLOv11, to identify the locations of spherical fungi within infected lung tissue.We focus on analyzing the performance of each model using precise metrics including precision, recall, map, and F1 score.This studyhighlightstheeffectivenessofusingdeeplearninginaccuratelydetectingfungalcoccidiosis and reducing the likelihood of misdiagnosis, thus enhancing the accuracy and speed of medical in- tervention in infected cases. في هذه الدراسة، نقترح نظامًا قائمًا على التعلم العميق لتشخيص داء الكوكسيديا، باستخدام نهجين رئيسيين: التصنيف والكشف. للتصنيف، نقوم بتقييم أداء ستة خوارزميات تعلم عميق من خلال تدريب مجموعات بيانات موند التي تحتوي على صور لأنسجة الرئة السليمة والأنسجة المصابة بحمى الوادي. للكشف، نستخدم خمس خوارزميات، بما في ذلك YOLOv11، لتحديد مواقع الفطريات الكروية داخل أنسجة الرئة المصابة. نركز على تحليل أداء كل نموذج باستخدام مقاييس دقيقة بما في ذلك الدقة والتذكر والخريطة ودرجة F1. تسلط هذه الدراسة الضوء على فعالية استخدام التعلم العميق في الكشف غير الدقيق عن داء الكوكسيديا الفطري وتقليل احتمالية التشخيص الخاطئ، وبالتالي تعزيز دقة وسرعة التدخل الطبي في الحالات المصابة.
  • Thumbnail Image
    Item
    Development of a Smart RC Plane for Autonomous Human Detection in Desert Rescue Missions
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-06-29) • FahemMessilvamessilva; • BouchamaAbdellahabdellah; Advisors: • Dr. Gasmi Rim
    This study presents an intelligent RC plane designed for search and rescue in desert areas. Com- bining aerial mobility with onboard AI, it autonomously scans vast, hard-to-reach regions to locate missing persons. Equipped with GPS, IMU sensors, and a camera managed by a Raspberry Pi 5, the plane uses deep learning to detect humans in real-time. Detected data is compressed and wirelessly transmitted to aground station via a long-range nRF24L01 module. The ground station, based on an ESP8266 and computer interface, receives live telemetry and allows mission monitoring and manual control through a graphical interface. This project illustrates the integration of computer vision, embedded AI, and low-cost aerial roboticsfor humanitarian use, with promising results for improving rescue efforts in remote areas like the Algerian Sahara. ﺗﻘﺪمھﺬهاﻟﺪراﺳﺔطﺎﺋﺮةذﻛﯿﺔﯾﺘﻢاﻟﺘﺤﻜﻢﺑﮭﺎﻋﻦﺑُﻌﺪ،ﻣﺼﻤﻤﺔﻟﻠﺒﺤﺚواﻹﻧﻘﺎذﻓﻲاﻟﻤﻨﺎطﻖاﻟﺼﺤﺮاوﯾﺔ.ﺗﺠﻤﻊاﻟﻄﺎﺋﺮةﺑﯿﻦاﻟﺘﻨﻘﻞاﻟﺠﻮي.واﻟﺬﻛﺎءاﻻﺻﻄﻨﺎﻋﻲ، ﺣﯿﺚﺗﻘﻮمﺑﻤﺴﺢﻣﻨﺎطﻖﺷﺎﺳﻌﺔﯾﺼﻌﺐاﻟﻮﺻﻮلإﻟﯿﮭﺎﺗﻠﻘﺎﺋﯿًﺎﻟﺘﺤﺪﯾﺪﻣﻮاﻗﻊاﻷﺷﺨﺎصاﻟﻤﻔﻘﻮدﯾﻦ وﺗﺴﺘﺨﺪماﻟﺘﻌﻠﻢ،5PiRaspberryوﻛﺎﻣﯿﺮاﺗُﺪارﺑﻮاﺳﻄﺔ،IMUوأﺟﮭﺰةاﺳﺘﺸﻌﺎر،(GPS)اﻟﻄﺎﺋﺮةﻣﺰودةﺑﻨﻈﺎمﺗﺤﺪﯾﺪاﻟﻤﻮاﻗﻊاﻟﻌﺎﻟﻤﻲnRF24L01اﻟﻌﻤﯿﻖﻟﻠﻜﺸﻒﻋﻦاﻷﺷﺨﺎصﻓﻲاﻟﻮﻗﺖاﻟﻔﻌﻠﻲ. ﺗُﻀﻐﻂاﻟﺒﯿﺎﻧﺎتاﻟﻤﻜﺘﺸﻔﺔوﺗُﺮﺳﻞﻻﺳﻠﻜﯿًﺎإﻟﻰﻣﺤﻄﺔأرﺿﯿﺔﻋﺒﺮوﺣﺪة.ﺑﻌﯿﺪةاﻟﻤﺪى وواﺟﮭﺔﺣﺎﺳﻮﺑﯿﺔ،ﺑﯿﺎﻧﺎتاﻟﻘﯿﺎسﻋﻦﺑُﻌﺪﻣﺒﺎﺷﺮةً،وﺗﺘﯿﺢﻣﺮاﻗﺒﺔاﻟﻤﮭﻤﺔواﻟﺘﺤﻜﻢاﻟﯿﺪويESP8266ﺗﺴﺘﻘﺒﻞاﻟﻤﺤﻄﺔاﻷرﺿﯿﺔ،اﻟﻘﺎﺋﻤﺔﻋﻠﻰ.ﻣﻦﺧﻼلواﺟﮭﺔرﺳﻮﻣﯿﺔ ﯾﻮﺿﺢھﺬااﻟﻤﺸﺮوعدﻣﺞاﻟﺮؤﯾﺔاﻟﺤﺎﺳﻮﺑﯿﺔ،واﻟﺬﻛﺎءاﻻﺻﻄﻨﺎﻋﻲاﻟﻤﺪﻣﺞ،واﻟﺮوﺑﻮﺗﺎتاﻟﺠﻮﯾﺔﻣﻨﺨﻔﻀﺔاﻟﺘﻜﻠﻔﺔﻟﻼﺳﺘﺨﺪاماﻹﻧﺴﺎﻧﻲ،ﻣﻊ.ﻧﺘﺎﺋﺞواﻋﺪةﻟﺘﺤﺴﯿﻦﺟﮭﻮداﻹﻧﻘﺎذﻓﻲاﻟﻤﻨﺎطﻖاﻟﻨﺎﺋﯿﺔﻣﺜﻞاﻟﺼﺤﺮاءاﻟﺠﺰاﺋﺮﯾﺔ
  • Thumbnail Image
    Item
    PlantDiseaseDetection Casestudy:Corn,WheatandPalm Tree
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-06-29) Badache Mohammed Amine; Chander Marwa; Advisors: • Dr.Gasmi Rim
    اليوم، يلعب تحديد أمراض الأوراق دورًا حيويًا في الزراعة، إذ يُسهم في صحة المحاصيل وإنتاجيتها. تتطلب الطرق التقليدية للكشف عن أمراض الأوراق جهدًا يدويًا كبيرًا وخبرة واسعة في علم أمراض النبات. ولمواجهة هذا التحدي، يُركز هذا المشروع على تصميم وتطويرنظام ذكي قادر على الكشف عن أمراض النبات وتصنيفها تلقائيًا باستخدام مجموعة من خوارزميات التعلم العميق. Today,identifyingleafdiseasesplaysapivotalroleinagriculture,contributingtocrophealthand productivity.Traditionalmethodsfordetectingleafdiseasesrequiresignificantmanualeffortand extensiveexpertiseinplantpathology.Toaddressthischallenge,thisprojectfocusesondesigning and developing an intelligent system capable of automatically detecting and classifying plant diseases using a set of deep learning algorithms
  • Thumbnail Image
    Item
    Predicting Heart Disease Using Machine Learning
    (2025-06-29) Daoud belkhiri; Hibbi said abd elkahar; Advisor: Dr. Abderrahim Benmechiche
    Abstract The research details a Python-based system designed to predict heart disease by analyzing patient data using machine learning. The system's methodology includes key steps such as data preprocessing, exploratory data analysis, and training various machine learning algorithms, such as logistic regression, XGBoost classifier, SVM, KNN, decision trees, random forests, and gradient boosting. Model performance is evaluated using metrics such as accuracy, precision, recall, F1 score, and area under the curve (AUC) for ROC, often using cross-validation. The application leverages Python libraries, including pandas, scikit-learn, matplotlib, seaborn, and possibly NumPy. The overall goal is to provide healthcare professionals with a robust, interpretable, and non-invasive prediction tool for timely interventions, ultimately improving patient outcomes and potentially reducing healthcare costs. ملخص يُفصِّل البحث نظامًا قائمًا على لغة بايثون، مُصمَّمًا للتنبؤ بأمراض القلب من خلال تحليل بيانات المرضى باستخدام التعلم الآلي. تتضمن منهجية النظام خطواتٍ أساسية، مثل المعالجة المسبقة للبيانات، وتحليل البيانات الاستكشافي، وتدريب خوارزميات التعلم الآلي المختلفة، مثل الانحدار اللوجستي، ومُصنِّف XGBoost، وSVM، وKNN، وأشجار القرار، والغابات العشوائية، وتعزيز التدرج. يُقيَّم أداء النموذج باستخدام مقاييس مثل الدقة، والدقة، والتذكر، ودرجة F1، ومساحة تحت المنحنى (AUC) لـ ROC، وغالبًا ما يكون ذلك باستخدام التحقق المتقاطع. يستفيد التطبيق من مكتبات بايثون، بما في ذلك pandas، وscikit-learn، وmatplotlib، وseaborn، وربما NumPy. الهدف الشامل هو تزويد مُختصي الرعاية الصحية بأداة تنبؤ قوية، وقابلة للتفسير، وغير جراحية، للتدخلات في الوقت المناسب، مما يُحسِّن في نهاية المطاف نتائج المرضى، وربما يُخفِّض تكاليف الرعاية الصحية.
  • Thumbnail Image
    Item
    Real-Time Age and Gender DetectionfromFacialImagesfor Targeted Marketing
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-06-29) • Madani Aya; • Mohamadi Yacine; Advisors: • Dr.Riadh MATMAT
    In the context of smart retail and real-time personalized advertising,facial attribute analysishas emerged as a powerful tool for demographic profiling.This thesis explores the development of a deep learning-based system capable of predicting both age and gender using only facial images. Leveraging Convolutional Neural Networks (CNNs), particularly the MobileNetV3 and VGG16 ar- chitectures, we conduct a comparative study in terms of accuracy, processing time, and suitability forreal-timedeployment.TheUTKFacedatasetisusedtotrainandvalidateourmodels,with an emphasis on ensuring robustness to real-world conditions such as lighting variations and oc- clusion.A multi-task learning approach is adopted to jointly optimize age regression and gender classification,improvingoverallperformance.ExperimentalresultsshowthatMobileNetV3offersa favorabletrade-offbetweenperformanceandcomputationalcost,makingitsuitableforedge-device deployment.Thisresearchdemonstratesthefeasibilityofaccurateandefficientage-genderdetection systems for real-world intelligent applications. في سياق تجارة التجزئة الذكية والإعلانات الشخصية الفورية، برز تحليل سمات الوجه كأداة فعّالة لتحديد السمات الديموغرافية. تستكشف هذه الأطروحة تطوير نظام قائم على التعلم العميق قادر على التنبؤ بالعمر والجنس باستخدام صور الوجه فقط. بالاستفادة من الشبكات العصبية التلافيفية (CNNs)، وخاصةً بنيتي MobileNetV3 وVGG16، نُجري دراسة مقارنة من حيث الدقة ووقت المعالجة وملاءمة النشر الفوري. تُستخدم مجموعة بياناتUTKFaceلتدريب نماذجنا والتحقق من صحتها، مع التركيز على ضمان المتانة في ظل ظروف العالم الحقيقي، مثل اختلافات الإضاءة والانسداد. كما يُعتمد نهج تعلم متعدد المهام لتحسين انحدار العمر وتصنيف الجنس معًا، مما يُحسّن الأداء العام. تُظهر النتائج التجريبية أن MobileNetV3 يُوفر توازنًا إيجابيًا بين الأداء والتكلفة الحسابية، مما يجعله مناسبًا للنشر على الأجهزة الطرفية. يُوضح هذا البحث جدوى أنظمة دقيقة وفعالة للكشف عن العمر والجنس في التطبيقات الذكية الواقعية.
  • Thumbnail Image
    Item
    Text-Based Emotion Detection using RNN
    (المركز الجامعي إليزي - معهد العلوم، قسم الإعلام الآلي, 2025-06-29) CHEKAIEM Abdelfattah; MAATALLAH Abdallah; Advisors: • Mr. Messikh Chouaib
    The availability of vast amounts of multimedia data and its widespread applications, along with automatic sentiment analysis and sentiment classification in text, has become a compelling research topic among researchers. The state of the text and the contextual state between adjacent phrases play a significant role in analyzing and detecting sentiments in text. In this study, a method based on Recurrent Neural Networks (RNNs) was developed to capture the textual state and contextual relationships between phrases, employing layers such as LSTM, GRU, and an attention mechanism. First, textual data is passed to an LSTM layer, then to an attention mechanism and a GRU layer. Finally, their outputs are integrated to extract sentiments. The proposed model is evaluated using two metrics: Accuracy and F1-score. The numerical results demonstrate that the proposed method achieves outstanding performance in detecting sentiments from text, with a detection rate of 97.22% and a classification accuracy of 98.02%. إن توفر كميات هائلة من البيانات المتعددة الوسائط وتنوع تطبيقاتها، إلى جانب التحليل التلقائي للمشاعر وتصنيفها في النصوص، جعلا من هذا المجال موضوعًا بحثيًا مثيرًا للاهتمام لدى الباحثين. تلعب حالة النص والسياق بين العبارات المتجاورة دورًا مهمًا في تحليل المشاعر واكتشافها في النص. في هذه الدراسة، تم تطوير طريقة تعتمد على الشبكات العصبية التكرارية (RNN) لالتقاط الحالة النصية والعلاقات السياقية بين العبارات، باستخدام طبقات مثل LSTM وGRU وآلية الانتباه (Attention).في البداية، يتم تمرير البيانات النصية إلى طبقة LSTM، ثم إلى آلية الانتباه، وبعدها إلى طبقة GRU. وأخيرًا، يتم دمج مخرجات هذه الطبقات لاستخلاص المشاعر. تم تقييم النموذج المقترح باستخدام معيارين: الدقة (Accuracy) ومتوسط التوازن (F1-score). وتُظهر النتائج العددية أن الطريقة المقترحة تحقق أداءً متميزًا في اكتشاف المشاعر من النصوص، بمعدل اكتشاف بلغ 97.22٪ ودقة تصنيف بلغت 98.02٪.