Browsing by Author "BOUGHABA Oussama"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    APPLICATION DE LA REALITE AUGMENTEE ET VIRTUELLE POUR LA VISUALISATION ET L'INTERPRETATION DES DONNEES CND
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2024) BOUGHABA Oussama; AYAD Amar (Encadrant)
    Ce mémoire explore l'application de la réalité augmentée (AR) et de la réalité virtuelle (VR) pour améliorer la visualisation et l'interprétation des données de contrôle non destructif (CND). Une revue bibliographique approfondie présente les technologies AR/VR et leurs applications potentielles dans le domaine du CND. Des prototypes d'applications AR/VR ont été revues et évalués pour démontrer leur efficacité et leur utilité dans des scénarios CND spécifiques. Les résultats indiquent que l'AR et la VR peuvent améliorer la compréhension des données CND, la collaboration entre les inspecteurs et la prise de décision. Ce mémoire ouvre la voie à de futures recherches pour développer des modèles et des simulations plus sophistiqués, explorer de nouvelles techniques d'interaction et étendre l'application de l'AR et de la VR dans le domaine de la CND.
  • Thumbnail Image
    Item
    DÉVELOPPEMENT D'UN SYSTÈME AUTOMATISÉ DE LA DÉTECTION ET LA CLASSIFICATION DES DÉFAUTS D'INSPECTION PAR RADIOGRAPHIE POUR LES PIPELINES
    (Ecole Nationale Superieure de Technologie et d'Ingénierie. Annaba, 2024) BOUGHABA Oussama; MOUSSAOUI FadiI Abderahmane; AYAD Amar (Encadrant)
    Ce projet de fin d'études a pour ambition de concevoir un système d'inspection automatisé par radiographie (RT) pour les soudures en pipelines, en s'appuyant sur les technologies de deep learning. L'objectif principal est de moderniser le processus d'analyse des radiographies, actuellement réalisé manuellement, qui est chronophage et susceptible d'erreurs humaines. Le système proposé vise à offrir une solution plus rapide, plus précise et plus fiable. Au coeur de ce système, un réseau de neurones convolutifs (CNN) sera entraîné sur un vaste ensemble de radiographies annotées. Un module de classification sera intégré pour distinguer les différentes catégories de défauts, tels que les fissures, les soufflures ou les cavités. Cette automatisation devrait améliorer considérablement l'efficacité opérationnelle, la précision des analyses et la sécurité globale des inspections de pipelines.