Browsing by Author "MIHOUB Youcef"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Etude et modélisation d'un système de récupération d'énergie basée sur l'effet piézoélectrique pour les applications basse consommation
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE - ANNABA, 2025) MIHOUB Youcef; DEBBAH Abdesselam (Encadrant)
    Cet mémoire traite de la modélisation et simulation d’un système de récupération d’énergie vibratoire basé sur l’effet piézoélectrique, destiné à des applications biomédicales. L’objectif est de développer un patch médical auto-alimenté capable de convertir les micro-vibrations corporelles, en particulier celles liées à la respiration, en énergie électrique utilisable. Le matériau choisi est le PVDF, reconnu pour sa souplesse et sa compatibilité biomédicale. Le système modélisé repose sur une structure mécanique de type masse-ressort-amortisseur, un transducteur piézoélectrique et une interface électronique de conditionnement. Les résultats de simulation montrent une corrélation linéaire entre la force respiratoire appliquée et la tension générée, validant la double fonctionnalité du patch : récupération d’énergie et surveillance physiologique. Ce travail ouvre la voie à des dispositifs médicaux portables, autonomes et intelligents.
  • Thumbnail Image
    Item
    UN SYSTEME DE TRI BASE SUR L’INTELLIGENCE ARTIFICIEL POUR LES PRODUITS AGROALIMENTAIRE.
    (ECOLE NATIONALE SUPERIEURE DE TECHNOLOGIE ET D’INGENIERIE – ANNABA, 2025) SALHAT Abdel Hafid; LAHBALI Yaakoub; BELILET Mohamed Haitem; MIHOUB Youcef; KEBIR Salim (Encadrant); BOUCHAREB Faouzi (Co-Encadrant)
    Ce mémoire présente la conception et la mise en oeuvre d’un système de tri automatique basé sur l’intelligence artificielle, appliqué au secteur agroalimentaire. L’objectif principal est d’améliorer la productivité et la qualité du tri des produits, notamment les tomates, à travers une détection automatique par caméra et un traitement d’image intelligent. Le système utilise des algorithmes de classification supervisée pour différencier les produits selon des critères visuels (couleur, forme, taille). Une base de données d’images a été utilisée pour l’entraînement du modèle, déployé sur un Raspberry Pi équipé d’une caméra. Les résultats obtenus montrent une efficacité prometteuse pour une intégration future dans les chaînes de production.