MAKRI NihalOMRI AbderraoufENC/ BRIK Mourad2024-07-182024-07-182024-07-18https://dspace.univ-msila.dz/handle/123456789/43903FR L'apprentissage automatique suscite beaucoup d'attention ces derniers temps dans le domaine de la vision par ordinateur, car il évolue constamment. Les avancées de l'apprentissage automatique ont été utilisées dans de nombreux domaines, y compris celui de l'agriculture. Parmi les problèmes auxquels l'agriculture est confrontée, on trouve les maladies des plantes, et c'est ce que nous avons présenté dans cette mémoire. Dans ce travail, nous présentons une technique pour la détection des maladies des plantes, offrant aux agriculteurs un outil complet pour gérer leurs cultures. L'application utilise un modèle de réseau neuronal convolutif (CNN) pour détecter et classer avec précision les maladies des plantes à partir d'images de feuilles. En plus de la détection des maladies, l'application fournit des recommandations pour les traitements appropriés et propose une gamme de produits phytosanitaires adaptés à chaque maladie spécifique. EN Machine learning has been getting a lot of attention lately in computer vision as it is constantly evolving. The advancements of machine learning have been used in many fields, including the field of agriculture. Among the problems that agriculture suffer from it, is the plant diseases, and this is what we have presented in this memory. In this work, we present a mobile application for plant disease detection, providing farmers with a comprehensive tool to manage their crops. The application utilizes a Convolutional Neural Network (CNN) model to accurately detect and classify plant diseases from leaf images. In addition to disease detection, the application provides recommendations for appropriate treatments and offers a range of phytosanitary products tailored to each specific disease.frApprentissage automatiquemaladies des plantesréseau neuronal convolutifdétectiontraitementintelligence artificielle.Thesis