https://repository.esi-sba.dz/jspui/handle/123456789/13 Ingénieur 2026-07-01T09:16:56Z https://repository.esi-sba.dz/jspui/handle/123456789/884 Titre: Conception et implémentation d’un système embarqué de diagnostic intelligent pour les installations photovoltaïques Auteur(s): ABBOU, RIyadh Résumé: Photovoltaic (PV) systems play a central role in sustainable electricity generation, yet their performance remains vulnerable to climatic conditions, material degradation, and technical faults. Ensuring their reliability and energy efficiency requires solutions capable of continuous monitoring and rapid anomaly diagnosis. The use of machine learning and deep learning approaches enables the analysis of large volumes of operational data, automatic detection of faults, and prediction of their impact on energy production. These tools help optimize maintenance, reduce energy losses, and extend the operational lifespan of PV installations. Intelligent diagnosis of PV systems thus constitutes a strategic lever for a reliable, efficient, and environmentally sustainable energy transition. *** Les systèmes photovoltaïques (PV) jouent un rôle central dans la production d’électricité durable, mais leur performance reste vulnérable aux conditions climatiques, aux dégradations matérielles et aux défauts techniques. Assurer leur fiabilité et leur efficacité énergétique nécessite des solutions capables de surveiller en continu et de diagnostiquer rapidement les anomalies. L’utilisation d’approches d’apprentissage automatique et profond permet d’analyser de vastes volumes de données, d’identifier automatiquement les défauts et d’anticiper leurs impacts sur la production. Ces outils contribuent à optimiser la maintenance, réduire les pertes énergétiques et prolonger la durée de vie des installations. Le diagnostic intelligent des systèmes PV constitue ainsi un levier stratégique pour une transition énergétique fiable, efficace et respectueuse de l’environnement.. Description: Encadreur : Dr Khaldi Belkacem Co-Encadreur : Dr Rennane Ahmed Co-Encadreur : Dr Dali Ali 2025-01-01T00:00:00Z 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 2024-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/761 Titre: Intrusion Detection System based on Deep learning and Complex event processing for IoT environments Auteur(s): BELMILOUD, Ilyes DHiaeddine Résumé: The rapid expansion of the Internet of Things (IoT) and Industrial IoT (IIoT) ecosystems has introduced significant security challenges, particularly in protecting these networks from cyberattacks. This thesis presents an advanced Intrusion Detection System (IDS) that combines machine learning, rule-based classification, and Complex Event Processing (CEP) to detect and respond to network intrusions in real-time. The IDS is built using the Edge-IIoTset dataset, which contains a variety of cyberattack scenarios relevant to IoT/IIoT environments. A hybrid deep learning model, incorporating Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), and Gated Recurrent Units (GRU), was developed to label and classify the dataset, achieving an accuracy of 96.68%. The IDS further incorporates rule-based classifiers, such as PART, for rule extraction. These rules were deployed within the Esper CEP engine, enabling real-time detection and alerting. The IDS is complemented by a web-based dashboard built using AdminLTE, which provides real-time insights into the types and frequency of detected attacks, enhancing network security management. This approach effectively balances high detection accuracy with interpretability, making it suitable for real-time deployment in resource-constrained IoT environments. Finally, the thesis discusses the limitations of the proposed system and suggests future research directions, including the exploration of federated learning, multi-stage attack detection, and adaptive IDS models to further improve security in evolving IoT ecosystems. *** L’expansion rapide des écosystèmes de l’Internet des objets (IoT) et de l’IoT industriel (IIoT) a introduit des défis de sécurité importants, notamment dans la protection de ces réseaux contre les cyberattaques. Cette thèse présente un système de détection d’intrusion (IDS) avancé combinant l’apprentissage automatique, la classification basée sur des règles et le traitement d’événements complexes (CEP) pour détecter et répondre aux intrusions réseau en temps réel. L’IDS est construit à partir du jeu de données Edge-IIoTset, qui contient une variété de scénarios de cyberattaques pertinents pour les environnements IoT/IIoT. Un modèle d’apprentissage profond hybride, incorporant des réseaux neuronaux convolutifs (CNN), des mémoires à long terme (LSTM) et des unités récurrentes à portes (GRU), a été développé pour étiqueter et classifier le jeu de données, atteignant une précision de 96,68 %. L’IDS intègre également des classificateurs basés sur des règles, tels que PART, pour l’extraction de règles. Ces règles ont été déployées dans le moteur CEP Esper, permettant une détection et des alertes en temps réel. L’IDS est complété par un tableau de bord web développé avec AdminLTE, offrant des informations en temps réel sur les types et la fréquence des attaques détectées, améliorant ainsi la gestion de la sécurité réseau. Cette approche équilibre efficacement une haute précision de détection avec une interprétabilité, la rendant adaptée pour un déploiement en temps réel dans des environnements IoT à ressources limitées. Enfin, la thèse discute des limites du système proposé et suggère des pistes de recherche futures, notamment l’exploration de l’apprentissage fédéré, la détection d’attaques en plusieurs étapes et les modèles IDS adaptatifs pour améliorer la sécurité dans des écosystèmes IoT en évolution. Description: Supervisor : Ms. Amina Souyah Co-Supervisor : Mr. Mohamed Neffah 2024-01-01T00:00:00Z https://repository.esi-sba.dz/jspui/handle/123456789/759 Titre: Développement d’une plateforme dédiée à la résolution des problèmes automobiles en Algérie grâce à l’IA et aux services innovants Auteur(s): SOUALA, ELhoussine; GHANEMI, MOuatez Résumé: AutoHub est une plateforme innovante conçue pour révolutionner le secteur des services automobiles en intégrant plusieurs services essentiels dans une seule application. Face à une industrie des services automobiles fragmentée, AutoHub vise à résoudre des problèmes courants rencontrés par les propriétaires de véhicules, tels que le temps perdu dans la recherche de services de remorquage, de réparations et d’achats de pièces auto, ainsi que le manque de transparence concernant les prix et la qualité des services. La plateforme repose sur une architecture basée sur des API, permettant une intégration fluide des services de remorquage, de mécanique et de vente de pièces auto. Grâce à l’utilisation de l’intelligence artificielle, AutoHub améliore l’identification et le suivi des véhicules, assurant un service précis et efficace. En outre, la fonction Towlink permet aux utilisateurs de suivre les services de remorquage en temps réel et de recevoir des notifications instantanées concernant l’état de leur service. La gestion numérique des reçus et des dossiers de services offre également une solution pratique pour le suivi des historiques d’entretien. En somme, AutoHub propose une intégration transparente de tous les services liés aux véhicules, renforçant ainsi la confiance des consommateurs grâce à des avis d’utilisateurs et des comparaisons de prix, tout en fournissant un service de remorquage rapide et fiable soutenu par des technologies avancées de suivi et des outils numériques pour gérer l’entretien des véhicules. Description: Encadrante : Pr.AMAR BENSABER Djamel 2024-01-01T00:00:00Z