https://repository.esi-sba.dz/jspui/handle/123456789/7 Tue, 03 Feb 2026 05:03:39 GMT 2026-02-03T05:03:39Z https://repository.esi-sba.dz/jspui/handle/123456789/767 Titre: SMART VERTICAL AEROPONIC FARMING SYSTEMS Auteur(s): BENKABLIA, YOunes ABdallah Résumé: Progress is essential in every sector of life, including agriculture. Vertical aeroponic farming represents a revolutionary solution to modern challenges, particularly in densely populated urban areas and regions with poor soil quality. This research focuses on making vertical aeroponic farming not only innovative but also automated and smart. By integrating deep learning algorithms to monitor plant health and machine learning models to optimize growing conditions, this system automates essential tasks for improved productivity.The system utilizes the Internet of Things (IoT) to connect sensors, AI models, and a mobile application, providing farmers with real-time information and control over their crops. This smart vertical aeroponic farming solution offers an efficient, data-driven approach to farming, ensuring healthier plants and higher yields through constant monitoring and optimization. *** Le progrès est essentiel dans tous les secteurs de la vie, y compris l’agriculture. L’agriculture verticale aéroponique représente une solution révolutionnaire aux déős modernes, en particulier dans les zones urbaines densément peuplées et les régions avec des sols de mauvaise qualité. Cette recherche se concentre sur la création d’une agriculture verticale aéroponique non seulement innovante, mais aussi automatisée et intelligente. En intégrant des algorithmes d’apprentissage profond pour surveiller la santé des plantes et des modèles d’apprentissage automatique pour optimiser les conditions de croissance, ce système automatise les tâches essentielles pour améliorer la productivité. Le système utilise l’Internet des objets (IoT) pour connecter des capteurs, des modèles d’IA et une application mobile, fournissant aux agriculteurs des informations en temps réel et un contrôle sur leurs cultures. Cette solution intelligente d’agriculture verticale aéroponique offre une approche efficace et basée sur les données pour l’agriculture, assurant des plantes plus saines et des rendements plus élevés grâce à une surveillance et une optimisation constantes. Description: Encadreur : M. RAHMOUN Abdelatif / M.hamdane bensenane Mon, 01 Jan 2024 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/767 2024-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/766 Titre: EXPLORING THE CURRENT STATE OF PLANTS ANOMALY DETECTION Auteur(s): BENKABLIA, YOunes ABdallah Résumé: Progress is essential in every sector of life, including agriculture. Vertical aeroponic farming represents a revolutionary solution to modern challenges, particularly in densely populated urban areas and regions with poor soil quality. This research focuses on making vertical aeroponic farming not only innovative but also automated and smart. By integrating deep learning algorithms to monitor plant health and machine learning models to optimize growing conditions, this system automates essential tasks for improved productivity.The system utilizes the Internet of Things (IoT) to connect sensors, AI models, and a mobile application, providing farmers with real-time information and control over their crops. This smart vertical aeroponic farming solution offers an efficient, data-driven approach to farming, ensuring healthier plants and higher yields through constant monitoring and optimization. *** Le progrès est essentiel dans tous les secteurs de la vie, y compris l’agriculture. L’agriculture verticale aéroponique représente une solution révolutionnaire aux déős modernes, en particulier dans les zones urbaines densément peuplées et les régions avec des sols de mauvaise qualité. Cette recherche se concentre sur la création d’une agriculture verticale aéroponique non seulement innovante, mais aussi automatisée et intelligente. En intégrant des algorithmes d’apprentissage profond pour surveiller la santé des plantes et des modèles d’apprentissage automatique pour optimiser les conditions de croissance, ce système automatise les tâches essentielles pour améliorer la productivité. Le système utilise l’Internet des objets (IoT) pour connecter des capteurs, des modèles d’IA et une application mobile, fournissant aux agriculteurs des informations en temps réel et un contrôle sur leurs cultures. Cette solution intelligente d’agriculture verticale aéroponique offre une approche efficace et basée sur les données pour l’agriculture, assurant des plantes plus saines et des rendements plus élevés grâce à une surveillance et une optimisation constantes. Description: Encadreur :M. RAHMOUN Abdelatif / M.hamdane bensenane Mon, 01 Jan 2024 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/766 2024-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/765 Titre: Résoudre les problèmes d’incomplétude et de qualité des données pour la mise en place d’un historique consolidé Auteur(s): BOUABDELLI, LAmisse FAtiha Résumé: Dans ce rapport, nous examinons des données réelles de facturation relatives aux entretiens réalisés sur des motos dans diverses concessions. Nous traitons le cas d’une entreprise disposant d’un logiciel qui archive les informations sur les maintenances effectuées pour comparer ces dernières aux normes exigées par le fabricant Honda. Bien qu’il existe plusieurs méthodes de comparaison textuelle, elles se révèlent souvent insuffisantes en raison de la nécessité de comprendre le vocabulaire spécifique au domaine des motos. Pour surmonter ce défi, nous proposons une approche basée sur une matrice de correspondance afin de faciliter la comparaison sémantique. Un protocole expérimental a été mis en place pour vérifier l’efficacité de notre méthode. *** .In this report, we examine real billing data related to motorcycle maintenance performed at various dealerships. We consider the case of a company that has software which archives information about the maintenance done in order to compare it to the standards required by the manufacturer Honda. Although there are several methods of textual comparison, they often prove insufficient due to the need to understand the specific vocabulary of the motorcycle domain. To overcome this challenge, we propose an approach based on a correspondence matrix to facilitate semantic comparison. An experimental protocol has been implemented to verify the effectiveness of our method. Description: Encadrant : Pr. BENSLIMANE Sidi Mohammed Co-encadrant : Dr. BARON Mickael Mon, 01 Jan 2024 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/765 2024-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/764 Titre: Mesures de similarité textuelle et modèles de type Transformer : État de l’art Auteur(s): BOUABDELLI, LAmisse FAtiha Résumé: Ce mémoire explore les diverses mesures de similarité textuelle, telles que la similarité cosinus et la distance de Levenshtein, ainsi que les modèles de type Transformer, tels que RoBERTa, BERT et CamemBERT, dans le cadre de la comparaison de textes. L’objectif principal est de fournir une revue de littérature exhaustive sur ces concepts, en mettant en évidence les défis et les solutions existantes. Nous analysons ces techniques de comparaison textuelle pour comprendre leur efficacité dans divers contextes, en particulier ceux nécessitant une interprétation sémantique fine. Nous abordons également les spécificités des modèles Transformer dans le cadre du traitement du langage naturel (NLP) et de l’apprentissage automatique (ML). Ce travail met en lumière l’importance de choisir des approches adaptées pour améliorer la qualité des analyses textuelles dans des domaines spécialisés. *** This thesis explores various text similarity measures, such as cosine similarity and Levenshtein distance, as well as Transformer-based models, such as RoBERTa, BERT, and CamemBERT, in the context of text comparison. The primary objective is to provide a comprehensive literature review on these concepts, highlighting existing challenges and solutions. We analyze these text comparison techniques to understand their effectiveness in different contexts, particularly those requiring fine semantic interpretation. We also address the specifics of Transformer models within the scope of Natural Language Processing (NLP) and Machine Learning (ML). This work emphasizes the importance of selecting appropriate approaches to improve the quality of textual analyses in specialized domains Description: Encadrant : Pr. BENSLIMANE Sidi Mohammed Co-encadrant :Dr. BARON Mickael Mon, 01 Jan 2024 00:00:00 GMT https://repository.esi-sba.dz/jspui/handle/123456789/764 2024-01-01T00:00:00Z