Détection automatisée des maladies de la pomme de terre par Deep Learning
No Thumbnail Available
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des sciences
Abstract
La détection des maladies des plantes constitue un enjeu majeur dans le domaine de l’agriculture intelligente, car un diagnostic précoce peut améliorer considérablement la productivité et réduire les pertes économiques. Avec l’évolution rapide des technologies d’intelligence artificielle, il est désormais possible d’analyser automatiquement des images de plantes et d’identifier les maladies avec une grande précision. Ce mémoire porte sur la conception et le développement d’un système intelligent permettant la détection et la classification des maladies des feuilles de pomme de terre, en s’appuyant sur des modèles d’apprentissage profond basés sur les réseaux de neurones convolutifs (CNN), notamment DenseNet121 et U-Net. La méthodologie adoptée commence par le traitement et la préparation de la base de données Plant Village, qui contient des images étiquetées de feuilles saines et malades. Les étapes de prétraitement incluent la réduction du bruit, la normalisation et le redimensionnement des images, suivies par l’extraction des caractéristiques et l’entraînement des modèles. Pour faciliter l’utilisation du système une interface web interactive a été développée à l’aide de technologies modernes telles que FastAPI et ReactJS, offrant ainsi une expérience conviviale pour l’utilisateur.. Les résultats expérimentaux ont montré que le modèle DenseNet121 a obtenu les meilleures performances avec une précision d’entraînement atteignant 99,48 %, et une stabilité remarquable lors de la validation, ce qui démontre son efficacité dans la classification des maladies. En revanche, le modèle U-Net a présenté des performances moins stables, avec certaines fluctuations. Ce travail confirme le potentiel de l’intelligence artificielle dans le développement de solutions pratiques destinées au secteur agricole, et ouvre la voie à des outils intelligents au service des agriculteurs de demain.