SOMMAIRE

LISTE DES ABREVIATIONS .................................................................................................... 2

LISTE DES FIGURES ................................................................................................................. 3

INTRODUCTION......................................................................................................................... 5

PARTIE I : PRESENTATION DU PROJET ......................................................................... 6

I. CONTEXTE ET JUSTIFICATION ..................................................................................... 6

II. PROBLEME ET CONSEQUENCES ................................................................................. 6

III. OBJECTIFS ET IMPACTS............................................................................................... 7

PARTIE II : ANALYSE ET CONCEPTION ......................................................................... 8

I. PRESENTATION DU CAHIER DES CHARGES ............................................................. 8

II. ANALYSE .......................................................................................................................... 9

III. CONCEPTION ................................................................................................................ 12

PARTIE III : TESTS ET DEPLOIEMENT ......................................................................... 23

I. TESTS ................................................................................................................................ 23

II. DEPLOIEMENT............................................................................................................... 32

CONCLUSION ........................................................................................................................... 34

ANNEXE ...................................................................................................................................... 35

BIBLIOGRAPHIE ET WEBOGRAPHIE ............................................................................... 38

TABLE DES MATIERES .......................................................................................................... 39

1
LISTE DES ABREVIATIONS
CNN : Réseaux de neurones convolutifs

GRAFCET : Graphe Fonctionnel de Commande par Etapes et Transitions

GSM : Global System for Mobile communication

IA : Intelligence Artificielle

ICSP : In-Circuit Serial Programming

LED : Light-Emitting Diode

SMS : Short Message Service

2
LISTE DES FIGURES
Figure 1 : Analyse SA-RT de l’application du système de contrôle de tri d’ordures : Diagramme
de contexte. ................................................................................................................................... 11

Figure 2 : Analyse SA-RT de l’application du système de contrôle de tri d’ordures : Diagramme

préliminaire................................................................................................................................... 12

Figure 3 : Étapes de conception du modèle intelligent ................................................................ 13

Figure 4 : Image labellisée de plastique....................................................................................... 14

Figure 5 : Entrainement du modèle sur Google Colab ................................................................ 16

Figure 6 : Evolution des pertes ..................................................................................................... 17

Figure 7 : Test numéro 1 du modèle ............................................................................................. 18

Figure 8 : Test numéro 2 du modèle ............................................................................................. 19

Figure 9 : Système de commande de tri des ordures .................................................................... 20

Figure 10 : Grafcet de fonctionnement du système ...................................................................... 20

Figure 11 : Circuit électrique du système..................................................................................... 22

Figure 12 : La carte Arduino UNO .............................................................................................. 24

Figure 13 : Un servomoteur ......................................................................................................... 24

Figure 14 : Capteur à ultrasons ................................................................................................... 25

Figure 15 : Buzzer ........................................................................................................................ 25

Figure 16 : Module GSM SIM 808 ............................................................................................... 26

Figure 17 : LED ............................................................................................................................ 26

Figure 18 : Programmeur ESP 32 Cam et caméra ESP 32 ......................................................... 27

Figure 20 : ESP 32 Cam ............................................................................................................... 27

Figure 21 : Schéma du montage de test du module (buzzer-LED) ............................................... 28

Figure 22 : Code du test du module.............................................................................................. 28

3
Figure 23 : Schéma de montage de test du servomoteur .............................................................. 29

Figure 24 : Code de test du servomoteur...................................................................................... 29

Figure 25 : Schéma de montage du test du module GSM SIM 808 .............................................. 29

Figure 26 : Résultat du test ........................................................................................................... 32

Figure 27 : Le prototype ............................................................................................................... 33

4
INTRODUCTION
Dans le cadre des travaux pratiques sur les systèmes embarqués, nous avons été appelés à
nous constituer en groupes pour mettre en place un système répondant à un problème concret afin
de renforcer nos notions théoriques acquises en cours magistraux. Pour ce faire, nous avons choisi
de sur la conception une poubelle intelligente capable d’effectuer le tri des déchets en plastique de
ceux biodégradables. Ce projet nous permettra de lier les préoccupations actuelles en matière de
développement durable et de changement climatique aux avancées des systèmes embarqués, de
plus en plus essentiels dans l’industrie actuelle ; ce qui souligne l’importance croissante que prend
des systèmes embarqués tant dans les processus d’automatisation que dans la vie quotidienne.
Suivant les étapes de développement de notre système embarqué de l’analyse à son déploiement,
en passant par la conception, afin de mieux comprendre l’architecture des systèmes embarqués,
leur spécification et leur mise en œuvre par les méthodes SART et Grafcet.

5
PARTIE I : PRESENTATION DU PROJET

I. CONTEXTE ET JUSTIFICATION

Au Cameroun, la gestion des déchets représente un défi crucial, avec les villes principales
telles que Douala et Yaoundé aux prises avec des rues encombrées de détritus. Greenpeace met en
lumière cette problématique, soulignant le potentiel inexploité des déchets, les qualifiant de "mine
d’or qui salit nos rues". En effet, les déchets peuvent être considérés comme de précieuses
ressources en ce sens qu’elles peuvent contenir des matériaux recyclables, tels que le plastique
pouvant être collectés et réutilisés pour fabriquer de nouveaux produits. Cependant, lorsque les
déchets s’accumulent de manière excessive, cela entraîne une pollution visuelle et
environnementale notamment en contaminant les ressources en eau, en plus de représenter un
risque pour la santé publique, ayant un impact sur la biodiversité et les écosystèmes locaux, ainsi
que de perturber les activités économiques, notamment le tourisme en raison de la dégradation du
patrimoine naturel. Il devient donc impératif de mettre en place une gestion adéquate des déchets
pour exploiter leur potentiel de valeur et réduire l’impact néfaste sur l’environnement.

II. PROBLEME ET CONSEQUENCES

La méthode d'analyse de problème consiste en la clarification d’une situation

problématique existante en identifiant les difficultés rencontrées par les populations ciblées, les
raisons sous-jacentes à ces problèmes, ainsi que les effets négatifs sur l'environnement concerné.
Pour ce faire, trois questions clés doivent être posées :

1) Quel est le problème principal spécifique à la situation ?

2) Quels sont les facteurs qui ont contribué à la création du problème ?

3) Quels sont les impacts du problème sur l'environnement en question ?

Le problème évident réside dans la difficulté de collecter et le trier les déchets, en

particulier les déchets plastiques et organiques. Afin de mieux comprendre ce problème, il convient
de présenter les causes et les conséquences gravitant autour de celui-ci.

Les causes qui entrainent le problème suscité sont les suivantes :

- L’absence des bacs à ordures spécialisés pour le tri des différents types d’ordures dans les
domiciles, bureaux, rues, etc ;

6
 - Insuffisance de sensibilisation de la population sur l’importance du tri, de la gestion
responsable, de la collecte et du recyclage des ordures.

Comme conséquences, nous avons notamment :

- La pollution de nos rues qui entraine des conséquences néfastes pour la santé, biodiversité
et les écosystèmes locaux ;
- La complexité dans le nettoyage, le tri et le traitement des ordures au niveau des entreprises
de collecte.

III. OBJECTIFS ET IMPACTS

L'analyse des objectifs est une approche structurée qui permet de décrire la situation future
qui sera atteinte une fois que les problèmes identifiés auront été résolus. Cette analyse comprend
un objectif global ainsi que des objectifs spécifiques. Cela dit, au vu de l’analyse du problème que
nous avons effectuée ci-dessus, nous nous fixons comme objectif général de proposer une solution
permettant d’effectuer le tri des ordures au moyen d’une poubelle intelligente depuis les domiciles,
les bureaux, les rues, facilitant ainsi la collecte des ordures. En considérant le problème principal
mentionné précédemment, les buts spécifiques qui en découlent sont :

- Réduire considérablement la pollution par une collecte des ordures beaucoup plus proche
des populations ;
- Faciliter la collecte des ordures en notifiant le service responsable quand le nettoyage est
nécessaire ;
- Réduire la complexité du tri et le traitement de grandes quantités d’ordures.

7
PARTIE II : ANALYSE ET CONCEPTION

I. PRESENTATION DU CAHIER DES CHARGES

Notre système de poubelle intelligente, capable d’effectuer le tri des déchets plastiques de
ceux biodégradables, vise à améliorer la gestion des déchets, une mesure cruciale pour réduire la
pollution environnementale, promouvoir la santé publique et encourager une participation active
des populations dans le processus de gestion et collecte des déchets.

Notre poubelle fonctionne de façon cyclique commençant par la détection de l’approche

d’une personne jusqu’à son éloignement, tout en vérifiant le niveau de déchets dans les bacs. En
effet, la poubelle est composée de deux compartiments distincts, un pour les déchets plastiques et
l’autre pour les biodégradables. Le contrôle-commande de cette application est fait par
l’intermédiaire de 3 capteurs (2 capteurs ultrasons et 1 ESP32-CAM et le programmeur associé)
et 7 actionneurs (2 servomoteurs, 2 LED, 2 buzzer, 1 module GSM).

Dès l’approche d’une personne de la poubelle, détectée à moins de 1,5 m par un capteur
ultrason, cette dernière s’ouvre automatiquement grâce à un servomoteur accompagné d’une alerte
sonore d’un buzzer. Elle peut alors jeter un déchet à la fois. Une caméra (ESP 32-CAM), activée
dès l’ouverture de la poubelle, capture une image du déchet. Un modèle d’intelligence artificiel
entraîné permet le traitement de l’image pour identifier la nature du déchet. En fonction de cette
identification, un bras robotique guidé par un servomoteur dirige le déchet vers le bac approprié.

Une fois que le déchet tombe dans le bac, une LED correspondante s’allume pour indiquer
à l’utilisateur que l’action “jeter l’ordure” a été bien effectuée. La fermeture de la poubelle est
déclenchée lorsque la personne s’éloigne, c’est-à-dire que le capteur ultrason ne détecte plus sa
présence à moins de 1,5 m. Le niveau de déchet est évalué par un autre capteur ultrason qui mesure
la distance entre le point culminant des déchets et le dit capteur, soit le niveau consigne de 10 cm.
L’acquisition du niveau de déchet se fait à chaque fermeture de la poubelle.

Au moyen de la méthode SA-RT, nous procèderons à une analyse fonctionnelle et

opérationnelle des applications de contrôle-commande de notre système, ce qui nous permettra de
décrire graphiquement et textuellement ces besoins énoncés dans ce cahier de charges. Cette
spécification va s’effectuer en plusieurs étapes :

- Diagramme de contexte ;

8
 - Diagramme préliminaire.

II. ANALYSE

II.1. Présentation de l’aspect traitement de signal

L'aspect traitement de signal est mis en évidence à plusieurs niveaux dans notre projet.
Lors de l’approche d’un utilisateur, un signal est envoyé au système de commande pour déclencher
l’ouverture automatique de la poubelle. Dans le capteur ultrason, l’aspect traitement de signal
réside dans la conversion des signaux ultrasoniques en données utilisable pour détecter la présence
d’une personne. Après l’émission d’une impulsion ultrasonique, le capteur reçoit l’écho réfléchi
par les objets environnants. Ces signaux sont ensuite convertis en signaux analogiques ou
numériques exploitables. Le traitement de signal, ici, inclue l’amplification du signal reçu pour
améliorer sa qualité, la filtration pour éliminer les bruits indésirables, la conversion analogique-
numérique pour numériser le signal, et éventuellement un algorithme de traitement pour interpréter
les données et détecter la présence d’une personne.

En outre, le traitement de signal s’effectue également dans le module GSM. Cela concerne
principalement la conversion des signaux radiofréquences (RF) en données numériques et vice
versa. Quelques aspects sont :

 Modulation et démodulation : Les données numériques sont transformées en signaux RF

pouvant être transmis via une antenne, et par la suite ces signaux RF reçus sont convertis
en données numériques exploitables par le système.
 Codage et décodage : Les données numériques sont souvent encodées avant d’être
transmises pour assurer leur fiabilité et intégrité lors de la transmission. De même, ces
données doivent être décodées pour être interprétées correctement par le système.
 Gestion des interférences : Les bruits indésirables sont filtrés et les interférences gérées
pour garantir une transmission et une réception de données fiables.
 Egalisation du canal : Les signaux RF peuvent subir des distorsions lors de leur
propagation à travers le canal de transmission.

Seront en annexe de ce rapport, dans un fichier texte, les codes de ces traitements de signal.

9
 II.2. Diagramme de Contexte

Dans le cadre de notre projet qui se résume en la conception et la mise en œuvre d’un
système de contrôle de tri d’ordures, le diagramme de contexte comprend un processus fonctionnel
numéroté 0 nommé « contrôle de tri d’ordures », ainsi que neuf bords de modèles. Ces bords de
modèles, qu’ils agissent en tant que capteur ou actionneur, fournissent ou consomment les données
ou évènements de notre application. Il s’agit de :

- La terminaison « ultrason 1 » fournissant la donnée « distance_personne » ;

- La terminaison « ultrason 2 » fournissant la donnée « niveau_ordure » ;
- La terminaison « caméra ESP 32 CAM » fournissant la donnée « Demande_de_trier» ;
- La terminaison « servo-moteur 1 » consommant la donnée « Commande_ouverture » ;
- La terminaison « servo-moteur 2 » consommant la donnée « Commande_tri » ;
- La terminaison « buzzer 1 » consommant la donnée « Sonnerie_ouverture » ;
- La terminaison « buzzer 2 » consommant la donnée « Sonnerie_bac_plein » ;
- La terminaison « led » consommant la donnée « affichage_dépot_ordure » ;
- La terminaison « module GSM » consommant la donnée « Commande_vidange ».

Le dernier bord de modèle représente le système de commande, qui fournit l’évènement

« Mise_en_garde » signifiant le démarrage de l’application et éventuellement son arrêt.

En outre, nous avons huit flots de données dont trois flots sortants (distance_personne,
niveau_ordure, Demande_de_trier) et six flots sortants (Commande_ouverture,
Commande_de_trier, Sonnerie_ouverture, Sonnerie_bac_plein, affichage_dépot_ordure,
Commande_vidange).

La figure ci-dessous illustre le diagramme de contexte de notre système.

10
Figure 1 : Analyse SA-RT de l’application du système de contrôle de tri d’ordures : Diagramme de contexte.

II.3. Diagramme préliminaire

Le diagramme préliminaire représente le premier niveau d’analyse processus fonctionnel

0 « contrôle de tri d’ordure ». Il s’agit de sa décomposition fonctionnelle dans lequel se retrouve
des flots de données ou évènements entrants ou sortants dont la cohérence peut être vérifiée par
rapport au diagramme de contexte. Il fait apparaître douze processus fonctionnels de base et un
processus de contrôle qui séquence l’ensemble.

Ces processus fonctionnels sont regroupés en trois chaînes de contrôle principales :

distance_personne (processus fonctionnels 1 à 4), niveau_ordure (processus fonctionnels 5 à 8),
traitement et gestion des ordures (processus fonctionnels 9 à 12). Certains couples de processus
tels que 3 et 4, 7 et 8, 11 et 12 auraient pu être regroupés ; car ils sont déclenchés en même temps.
Toutefois, ce regroupement sera effectué au niveau de la conception ultérieurement.

Dans le cas de ces trois chaînes, la décomposition suit celle générique : acquisition de
données, traitement de ces donnée et commandes. Pour améliorer la lisibilité du diagramme, nous
avons utilisé trois unités de stockage de données complexes, dans le sens où elles peuvent intégrer
un ensemble ou groupe de données. Deux unités de stockage renfermant la distance de
déclenchement de l’ouverture de la poubelle (distance_consignée), le niveau de référence des
ordures (niveau_consigné) ; sont utilisées pour la mémorisation de ces constantes. Tandis que
l’une d’elle contient le modèle d’intelligence artificiel entraîné pour identifier la nature du déchet.
Les commandes telles que Afficher état poubelle, Envoyer SMS pour niveau_ordure, Sonner
buzzer et Ouvrir poubelle pour distance_personne, Acheminer ordure et Allumer LED pour

11
traitement et gestion des ordures ; indiquent respectivement si la poubelle est pleine, si une
présence a été détectée, ou si la nature du déchet a été identifiée.

Le processus fonctionnel de base est lié aux autres par différents évènements notamment
Trigger (T) pour déclenchement, Enable (E) pour activation et Disable (D) pour désactivation.

Figure 2 : Analyse SA-RT de l’application du système de contrôle de tri d’ordures : Diagramme préliminaire

III. CONCEPTION

Dans cette section, nous allons représenter graphiquement notre système automatisé, en
utilisant le GRAFCET, un outil permettant d'exprimer les différentes évolutions séquentielles du
système.

III.1. Développement du modèle d’intelligence artificielle

Pour la conception du modèle d’intelligence artificielle, nous avons scindé le travail en

sept parties telles que décrites ci-dessous.

12
Figure 3 : Étapes de conception du modèle intelligent

 Analyse

Dans un premier temps, il s’agit de comprendre le projet côté intelligence artificielle, de

définir le cadrage et les objectifs. L'objectif de l'intelligence artificielle (IA) dans ce projet de tri
des ordures est d'améliorer l'efficacité dans la ségrégation des ordures en utilisant des algorithmes
et des modèles d'apprentissage automatique. L’objectif spécifique de l'IA ici est d'identifier les
types d’ordure (plastique), l'IA vise à développer des modèles capables d'identifier les ordures
plastiques des autres types d’ordures.

Après l’analyse faite ci-dessus, on va passer en revue toutes les étapes jusqu'à l'évaluation
interprétation.

 Récupération des données

Pour garantir le succès du projet de tri, il est crucial de collecter des données pertinentes et
de qualité. La collecte de données est une étape essentielle pour entraîner et développer des
modèles d'intelligence artificielle performants. Dans le contexte où les sources de données locales
n'ont pas été identifiées, on a commencé par une collecte des données plastique dans notre
entourage, ensuite une alternative consistant à se tourner vers internet pour collecter les données a
été nécessaire. Plus précisément, on a exploré des sites web spécialisés dans le partage de données
d'images, tels que Kaggle et ImageNet. Ces plateformes en ligne offrent une variété de jeux de
données contenant des images de plastiques de toutes nature.

 Nettoyage des données

13
 Après avoir collecté les données, il suit l’étape de vérification de ces données et son
organisation.

- Vérification de la qualité des données : Ici on s’assure de la qualité des données

collectées en effectuant des vérifications régulières. Cela implique l'examen visuel des
images, l'élimination des données corrompues ou de mauvaise qualité, et la correction
des erreurs ou des incohérences éventuelles.
- Annotation des données : Pour entraîner les modèles d'IA, les données doivent être
annotées, c'est-à-dire que les régions correspondant aux veines doivent être identifiées
et étiquetées dans chaque image. Cette étape a été réalisée manuellement à l’aide de
l’outil LabelIMG.

Figure 4 : Image labellisée de plastique

- Organisation et stockage des données : On organise les données collectées et

annotées de manière appropriée, en créant une structure de répertoire claire et en
utilisant des outils de gestion des données adaptés. Elle fournit la base nécessaire pour
entraîner et développer des modèles d'IA performants, permettant ainsi une détection
précise et fiable des veines dans le cadre des soins de santé.

 Exploration

L'exploration fait référence à l'étape où l'on analyse et explore les données collectées pour
en tirer des informations pertinentes. C'est une phase cruciale qui permet de comprendre les

14
caractéristiques des données, d'identifier les schémas, les tendances et les relations entre les
variables. Avant d'entraîner le modèle d'IA, il est souvent nécessaire de prétraiter les données pour
les rendre exploitables. Cela peut inclure des étapes au préalable telles que le nettoyage des
données en éliminant les valeurs manquantes ou aberrantes, la normalisation des valeurs, la
réduction de dimension ou encore l'augmentation des images. L’augmentation effectue des
transformations sur nos images existantes pour créer de nouvelles variations et augmenter le
nombre d’images dans votre ensemble de données. Cela rend finalement les modèles plus précis
dans un plus large éventail de cas d’utilisation.

 Modélisation

La modélisation est une étape essentielle, elle implique la création et le développement de

modèles d'apprentissage automatique ou d'autres approches algorithmiques pour comprendre,
prédire ou classer les données liées à la détection des veines.

Voici les principaux aspects de la modélisation dans ce contexte :

- Choix du modèle : Il est nécessaire de sélectionner le modèle d'apprentissage

automatique ou l'algorithme approprié en fonction des objectifs du projet. Par exemple,
on peut utiliser des modèles de classification tels que les réseaux de neurones
convolutifs (CNN) pour détecter les veines à partir d'images médicales. Pour ce travail
nous avons fait le choix du modèle YOLO V5qui est une version du modèle renommé
de détection d'objets en temps réel et de segmentation d'images. Il intègre les dernières
avancées en matière d'apprentissage profond et de vision par ordinateur, offrant des
performances exceptionnelles en termes de vitesse et de précision. Grâce à sa
conception simplifiée, il convient à diverses applications et peut être facilement adapté
à différentes plateformes matérielles, des appareils périphériques aux services cloud.
- Entraînement du modèle : Une fois le modèle sélectionné, on procède à
l'entraînement en utilisant les données collectées et prétraitées. Cela consiste à exposer
le modèle à des exemples d'images et à ajuster les paramètres internes du modèle pour
qu'il puisse apprendre les motifs et les caractéristiques spécifiques permettant la
reconnaissance des plastiques.

15
Figure 5 : Entrainement du modèle sur Google Colab

L'entraînement du modèle a été réalisé sur la plateforme Google Colab, conformément à

l'illustration présentée ci-dessus.

- Validation du modèle : Après l'entraînement, il est important de valider les

performances du modèle. Cela implique de tester le modèle sur des données de
validation ou de réserver une partie des données pour l'évaluation du modèle. On
apprécie les métriques à l’instar de la précision, le rappel et la courbe ROC pour évaluer
les performances du modèle.

 Evaluation et Interprétation

Une fois le modèle optimisé, il est évalué sur des ensembles de données indépendants pour
mesurer sa capacité à généraliser sur de nouvelles données. Cette évaluation permet de déterminer
l'efficacité et la robustesse du modèle.

16
Figure 6 : Evolution des pertes

Les graphiques présentés illustrent l'évolution des pertes pendant la phase d'entraînement
du modèle. Ces pertes, représentant la différence entre les prédictions du modèle et les valeurs
réelles, diminuent progressivement au fil des itérations. Cette décroissance des pertes témoigne
d'une amélioration continue de la performance du modèle au fur et à mesure de son entraînement.
Une diminution des pertes indique que le modèle ajuste ses poids et ses paramètres de manière à
se rapprocher davantage des résultats attendus. Ainsi, plus les pertes diminuent, plus le modèle
devient précis et performant dans ses prédictions. Cette observation encourageante confirme que
le modèle en cours d'entraînement est en bonne voie pour atteindre une performance optimale.

 Mise en production

La mise en production dans le contexte d'un projet d'intelligence artificielle fait référence
à la phase où le système est déployé et utilisé dans un environnement réel. C'est l'étape finale du
développement où le modèle ou l'application est prête à être utilisée de manière opérationnelle.
Voici les principaux aspects de la mise en production :

 Tests et validation

Avant de mettre le système en production, il est essentiel de réaliser des tests approfondis
pour s'assurer de son bon fonctionnement. Cela peut inclure des tests de performance, des tests de

17
charge, des tests de robustesse et des validations par rapport aux critères de performance et de
précision définis. Après l'entraînement du modèle, comme indiqué dans l'image ci-dessous, la
détection est maintenant fonctionnelle avec un taux de précision atteignant jusqu'à 89%.
Cependant, pour améliorer davantage ce taux, plusieurs approches peuvent être envisagées, telles
que l'augmentation de la quantité et de la diversité des données d'entraînement, l'optimisation des
hyper paramètres du modèle, l'exploration d'autres architectures de modèles.

Figure 7 : Test numéro 1 du modèle

18
Figure 8 : Test numéro 2 du modèle

Ces deux figures ont été capturées par une vidéo et on constate que les objets plastiques
sont effectivement détectés. Néanmoins pour des raisons techniques le modèle n’a pas pu être
déployé sur notre système embarqué dans les délais.

III.2. GRAFCET

Avant la mise en œuvre du GRAFCET, il est très important de mettre sur pied un schéma
pour décrire notre système de commande. Ce schéma est présenté ci-dessous, accompagné des
spécifications des entrées et des sorties de notre système.

19
Figure 9 : Système de commande de tri des ordures

De ce schéma du système de commande découle le GRAFCET ci-dessous :

Figure 10 : Grafcet de fonctionnement du système

20
 Sont consignés dans un tableau sous forme de dictionnaire en annexe, les différentes
données et ce à quoi elles réfèrent.

III.3. Equations algébriques

//Initialisation
X1=1
X2=X3=X4=X5=X6=X7=X8=X9=X10=X11=0
//Equations algébriques
CC1=X1.Pr_detecte
CC2=X2.Plastique
CC3=X2. nonPlastique
CC4=X3
CC5=X4
CC6=X5. nonPr_detecte
CC7=X6. nonPr_detecte
CC8=X7.ultrason2
CC9=X7. nonultrason2
CC10=X8
CC11=X9
//calcul du nouvel état
X1=X1. nonCC1+CC10+CC11
X2=CC1+X2( nonCC2. nonCC3)
X3=CC2+X3. nonCC4
X4=CC3+X4. nonCC5
X5=CC4+X5. nonCC6
X6=CC5+X6. nonCC7
X7=CC6+CC7+X7( nonCC8 . nonCC9 )
X8=CC8+X8. nonCC10
X9=CC9+X9. nonCC11
//calcul des sorties
SM1H.Bz1.Cam_Act=X2
SM2G=X3

21
 SM2D=X4
LED2=X5
LED1=X6
SM1B=X7
GSM.Bz2=X8

III.4. Schéma de montage du prototype

Afin de réaliser notre projet, nous avons avant tout fait la maquette électronique ci-dessous
à l’aide du logiciel ISIS Proteus :

Figure 11 : Circuit électrique du système

22
PARTIE III : TESTS ET DEPLOIEMENT

I. TESTS

Nous avons réalisé des tests des composants matériels avant le montage du prototype. Les
composants dont nous avons eu besoin sont :

- Deux servomoteurs ;
- Deux capteurs ultrason HCSR04 ;
- Deux Leds, une verte et une bleue ;
- Deux buzzers ;
- Un module GSM SIM 808 ;
- La carte Arduino UNO ;
- Des supports et des fils ;
- ESP 32 Cam et son programmeur.

I.1. Description

 Module d’acquisition et traitement de données : carte Arduino UNO

La carte Arduino UNO est une carte basée sur l’ATMEGA328 dont le fonctionnement est
régi par les composants de la carte. Il suffit de connecter la carte à un ordinateur à l’aide d’un câble
USB.

Cette carte dispose de :

- 14 broches numériques d’entrées/sorties ;

- 6 entrées analogiques pouvant être utilisées aussi en broches entrées/sorties ;
- Un quartz 16Mhz ;
- Une prise d’alimentation pour jacker une connexion USB ;
- Un bouton de réinitialisation (reset) ;
- Un connecteur ICSP (In-Circuit Serial Programming).

23
Figure 12 : La carte Arduino UNO

Source : MansourAmine[1].pdf

 Servomoteur

Un servomoteur est un dispositif d´entrainement capable de réguler précisément la vitesse,

le couple et la position. Un servomoteur est un moteur qui intègre un codeur à l´intérieur appelé
décodeur, qui convertit le mouvement mécanique (tours d´arbres) en impulsions numériques
interprétées par un contrôleur de mouvement. Les servomoteurs nécessitent également un pilote,
qui forment ensemble un circuit complet pour commander de manière synchronisée la position, le
couple et la vitesse.

Figure 13 : Un servomoteur

Source : https://docs.arduino.cc/

 Capteur à ultrasons

Un capteur à ultrasons émet à intervalles réguliers de courtes impulsions sonores à haute

fréquence. Ces impulsions se propagent dans l’air à la vitesse du son. Lorsqu’elles rencontrent un
objet, elles sont réfléchies et reviennent sous forme d’écho au capteur. Les mesures sont obtenues

24
en émettant et en recevant des ondes ultrasoniques, ensuite converties en valeurs de tension ou
transmises via le protocole IO-Link.

Figure 14 : Capteur à ultrasons

Source : https://docs.arduino.cc/

 Buzzer

Un buzzer (anglicisme) ou bipeur est un élément électromécanique ou piézoélectrique qui

produit un son caractéristique quand on lui applique une tension : le bip.

Figure 15 : Buzzer

Source : https://docs.arduino.cc/

 Module GSM

Le module GSM permet à une carte Arduino de se connecter à internet, effectuer et recevoir
des appels, envoyer et recevoir des messages SMS.

25
Figure 16 : Module GSM SIM 808

Source : https://www.tinkercad.com/things/9IzFKq2etZ6-module-gsm-sim800l

 Led

C'est un dispositif optoélectronique capable d’émettre de la lumière lorsqu’il est parcouru

par un courant électrique.

Figure 17 : LED

Source : MansourAmine[1].pdf

 ESP 32 Cam et son programmeur

ESP 32 Cam sert de caméra et de serveur web pour connecter le modèle d’intelligence
artificielle à la carte Arduino. Son programmeur associé sert pour programmer la carte ESP.

26
Figure 18 : Programmeur ESP 32 Cam et caméra ESP 32

Figure 19 : ESP 32 Cam

I.2. Tests

 Test du module (buzzer-LED)

27
Figure 20 : Schéma du montage de test du module (buzzer-LED)

Figure 21 : Code du test du module

 Test du servomoteur

28
Figure 22 : Schéma de montage de test du servomoteur

Figure 23 : Code de test du servomoteur

 Test du module GSM

Figure 24 : Schéma de montage du test du module GSM SIM 808

Soit le code de test suivant :

29
#include <DFRobot_SIM808.h>

#define CONNECT_BY_JUMPER 1

#if CONNECT_BY_JUMPER

#define PIN_TX 2

#define PIN_RX 3

SoftwareSerial mySerial(PIN_TX, PIN_RX);

DFRobot_SIM808 sim808(&mySerial);

#elif defined(ARDUINO_AVR_LEONARDO)

DFRobot_SIM808 sim808(&Serial1);

#else

DFRobot_SIM808 sim808(&Serial);

#endif

//Mobile phone number

#define PHONE_NUMBER "+237671195542"

//The content of messages sent

char MESSAGE[10], MESSAGE2[10], MESSAGEFINAL[70] = "Hello, la

poubelle de SUP'PTIC est pleine";

void setup() {

#if CONNECT_BY_JUMPER

mySerial.begin(9600);

#elif defined(ARDUINO_AVR_LEONARDO)

Serial1.begin(9600);

#endif

30
 Serial.begin(9600);

//******** Initialize sim808 module *************

while(!sim808.init()) {

delay(1000);

Serial.print("Sim808 init error\r\n");

Serial.println("Sim808 init success");

Serial.println("Start to send message ...");

//************* Turn on the GPS power************

//******** define phone number and text **********

sim808.sendSMS((char *)PHONE_NUMBER, (char *)MESSAGEFINAL);

void loop() {

Soit le résultat du test suivant :

31
Figure 25 : Résultat du test

II. DEPLOIEMENT

Le prototype est le suivant :

32
Figure 26 : Le prototype

33
CONCLUSION
En conclusion, notre projet de conception et réalisation d’un système de contrôle de tri de
déchets au moyen d'une poubelle intelligente se présente comme une solution innovante et
nécessaire dans le contexte actuel de promotion du développement durable, de protection de
l’environnement contre le réchauffement climatique et de gestion de déchets ; combinant des
technologies telles que les capteurs ultrasons, les servomoteurs et le module GSM. Nous avons
adopté une approche méthodique allant de l’analyse fonctionnelle à la conception et à
l’implémentation pratique en utilisant des outils tels que le Grafcet pour attendre les objectifs du
projet. Intégrant des principes de traitement de signal, de contrôle-commande et d’intelligence
artificielle, ce projet illustre l’importance de la collaboration entre différentes disciplines
technologiques pour résoudre des problèmes concrets. Ainsi, nous avons pu par ce projet,
appliquer nos connaissances théoriques à un projet pratique, tout en sensibilisant à l’importance
d’une gestion efficace des déchets dans la préservation de notre environnement.

34
ANNEXE

Données Description Types Contraintes Commentaire

pr_detecte Désigne le capteur Capteur détecte une

détecteur de ultrason présence à partir
présence de 1 mètre

Nature objet Désigne la nature Booléen L’Intelligence

(plastique) de l’objet reconnu artificielle renvoie
par l’IA comme la nature de l’ordure
étant un plastique comme une entrée
après
reconnaissance

autre Désigne la nature Booléen

de l’objet reconnu
par l’IA comme
n’étant pas un
plastique

ultrason2 Désigne le capteur Capteur Détecte que la

détecteur de niveau ultrason poubelle est pleine
des ordures dans
les poubelles

SM1_H Désigne Servomoteur Mouvement de 0

l’actionneur qui à 180
commande
l’ouverture de la
poubelle

SM1_B Désigne Servomoteur Mouvement de

l’actionneur qui 180 à 0
commande la

35
 fermeture de la
poubelle

SM2_G Désigne Servomoteur Mouvement de 0 Le bras commandé

l’actionneur qui à 180 dirige les plastiques
commande la mise dans une poubelle
des ordures dédiée
plastiques dans la
poubelle
appropriée

SM2_D Désigne Servomoteur Mouvement de Le bras commandé

l’actionneur qui 180 à 0 dirige tout ce qui
commande la mise n’est pas plastique
des ordures autres dans une poubelle
que plastiques dans dédiée
la poubelle
appropriée

CAM_ACT Désigne ESP 32

l’activation de la CAM
Camera pour la
capture d’image de
l’ordure dans le bac

LED1 Désigne la mise en LED bleue

marche d’une LED
bleue quand une
ordure autre que
plastique est jetée
dans le bac

LED2 Désigne la mise en LED Verte

marche d’une LED

36
 verte quand une
ordure plastique est
jetée dans le bac

BUZ_1 Désigne une la Buzzer

mise en marche
d’une sonnerie à
l’ouverture du bac

BUZ_2 Désigne la mise en Buzzer

marche d’une
sonnerie lorsque la
poubelle est pleine

GSM Envoi un SMS au GSM SIM

service de collecte 801
d’ordure
lorsqu’une
poubelle est pleine

Dictionnaire de données

37
BIBLIOGRAPHIE ET WEBOGRAPHIE
BIBLIOGRAPHIE

[1] Dr NZEBOP Gérard, Chapter2-Specification SART.

[2] Dr NZEBOP Gérard et M. Emmanuel Sitcheu, Spécification formelle et synthèse des

automatismes logiques, le langage GRAFCET.

[3] Christophe Brunschweiler, Architecture des systèmes embarqués, , ESTI année 2015-2016.

SITES INTERNET
[4] (http://dspace.univmsila.dz , visité le 17/03/2024 à 19h05)

[5] (https://eduscol.education.fr/sti/sites/eduscol.education.fr.sti , visité le 17/03/2024 à

19h20)

[6] (https://mrproof.blogspot.com/2011/10/les-serveurs-de-donnees-larchitecture.html , visité

le 17/03/2024 à 19h40)

[7] (https://biblus.accasoftware.com/fr/intelligence-artificielle-en-architecture-8-exemples
dapplication/ , visité le 03/03/2024 à 02h11)

[8] (https://openclassrooms.com/fr/courses/6417031-objectif-ia-initiez-vous-a-lintelligence
artificielle/6823496-abordez-les-etapes-dun-projet-dintelligence-artificielle, visité le
03/03/2024 à 06h19)

[9] (https://towardsdatascience.com/increase-your-face-recognition-models-accuracy-by-
improving-face-contrast-a3e71bb6b9fb, visité le 05/03/2024 à 07h01)

[10] (https://www.tinkercad.com/things/9IzFKq2etZ6-module-gsm-sim800l, visité le

23/03/2024 à 01h08)

[11] (https://lastminuteengineers.com/sim800l-gsm-module-arduino-tutorial/, visité le

23/03/2024 à 01h00)

[12] (https://docs.arduino.cc/, visité le 23/03/2024 à 01h20)

38
TABLE DES MATIERES
LISTE DES ABREVIATIONS .................................................................................................... 2

LISTE DES FIGURES ................................................................................................................. 3

INTRODUCTION......................................................................................................................... 5

PARTIE I : PRESENTATION DU PROJET ......................................................................... 6

I. CONTEXTE ET JUSTIFICATION ..................................................................................... 6

II. PROBLEME ET CONSEQUENCES ................................................................................. 6

III. OBJECTIFS ET IMPACTS............................................................................................... 7

PARTIE II : ANALYSE ET CONCEPTION ......................................................................... 8

I. PRESENTATION DU CAHIER DES CHARGES ............................................................. 8

II. ANALYSE .......................................................................................................................... 9

II.1. Présentation de l’aspect traitement de signal ............................................................... 9

II.2. Diagramme de Contexte ............................................................................................. 10

II.3. Diagramme préliminaire ............................................................................................ 11

III. CONCEPTION ................................................................................................................ 12

III.1. Développement du modèle d’intelligence artificielle ............................................... 12

III.2. GRAFCET ................................................................................................................ 19

III.3. Equations algébriques ............................................................................................... 21

III.4. Schéma de montage du prototype ............................................................................. 22

PARTIE III : TESTS ET DEPLOIEMENT ......................................................................... 23

I. TESTS ................................................................................................................................ 23

I.1. Description................................................................................................................... 23

I.2. Tests ............................................................................................................................. 27

II. DEPLOIEMENT............................................................................................................... 32

39
CONCLUSION ........................................................................................................................... 34

ANNEXE ...................................................................................................................................... 35

BIBLIOGRAPHIE ET WEBOGRAPHIE ............................................................................... 38

TABLE DES MATIERES .......................................................................................................... 39

40