ISBN-13: 9786131530845 / Francuski / Miękka / 2018 / 100 str.
De nos jours, la reconnaissance de formes (RdF) est une discipline particuliA]rement active. MalgrA(c) les difficultA(c)s qu'elle prA(c)sente, la reconnaissance en particulier la classification d'objets prend une place de plus en plus importante dans de nombreux domaines. C'est dans ce cadre que s'insert ce travail, il s'agit de dA(c)velopper un systA]me de classification des piA]ces mA(c)caniques dans une chaA(R)ne de production par une approche de traitement d'images. Plusieurs sont les approches de dA(c)veloppement prA(c)sent. Pour ce projet, on a utilisA(c) deux types de primitives: caractA(c)ristiques gA(c)omA(c)triques et caractA(c)ristiques issues de la FFT. Pour la classification on a utilisA(c) les rA(c)seaux de neurones et la distance euclidienne. Comme rA(c)sultat, on a obtenu un taux de reconnaissance de l'ordre de 98.19% pour les rA(c)seaux de neurones et 94.66% pour la distance euclidienne.
De nos jours, la reconnaissance de formes (RdF) est une discipline particulièrement active. Malgré les difficultés quelle présente, la reconnaissance en particulier la classification dobjets prend une place de plus en plus importante dans de nombreux domaines. Cest dans ce cadre que sinsert ce travail, il sagit de développer un système de classification des pièces mécaniques dans une chaîne de production par une approche de traitement dimages. Plusieurs sont les approches de développement présent. Pour ce projet, on a utilisé deux types de primitives : caractéristiques géométriques et caractéristiques issues de la FFT. Pour la classification on a utilisé les réseaux de neurones et la distance euclidienne. Comme résultat, on a obtenu un taux de reconnaissance de lordre de 98.19% pour les réseaux de neurones et 94.66% pour la distance euclidienne.