BENFEDILA HoussemAdvisors: • Mr. MESSIKH Chouaib2025-06-292025-06-292025-06-29http://dspace.cuillizi.dz/handle/123456789/409Air 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.Other