Version0-Pfeameni - Mohamed Final-03-05

République Tunisienne
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université de Monastir
Institut Supérieur des Sciences Appliquées et de Technologies de Mahdia
Mémoire
Présenté en vue de l’obtention du Diplôme de
LICENCE EN ELETRONIQUE, ÉLECTROTECHNIQUE ET
AUTOMATIQUE
Spécialité : Automatisme et Informatique Industrielle
Par
MAHMOUDI Ameni
BOUKHRIS Mohamed Ridha
Visiteuse Assisté Par Caméra
Soutenu le ../05/2023 devant le jury composé de :
Mr le Dr………………. Président
Mr/ Mme le Dr……………… Examinateur
Mme .MHIRI Nesrine Encadrant ISSAT
ISSAT- Mahdia 2022-2023 Page 1

Mr. ZAYETI Aymen Encadrant : (société)
Dédicaces
À mes chers parents,
Je voudrais vous dédier ce travail en reconnaissance de tout l’amour, le soutien
et l’encouragement que vous m’avez donnés tout au long de ma vie et en
particulier pendant mes études supérieures. Votre confiance en moi a été une
source d’inspiration et de motivation, et je ne pourrais jamais assez vous
remercier pour tout ce que vous avez fait pour moi. Ce PFE est un petit geste pour
vous montrer combien je suis reconnaissante de vous avoir comme parents.
À mes frères,
Je suis très reconnaissant pour tout ce que vous avez sacrifié pour moi et pour
tous les sacrifices que vous avez encore à faire pour m’aider à atteindre mes
objectifs. Votre amour et votre soutien m’ont permis de réaliser mes rêves, et je
suis fier de vous présenter ce projet de fin d’étude qui est le résultat de notre
collaboration.
À tous mes amis,

Je vous remercie du fond du cœur pour tout ce que vous avez fait pour moi et les
bons moments que nous avons passés.
Et à toute ma famille et à tous ceux que j’aime.
Je vous aime énormément.
MAHMOUDI
Ameni

Dédicaces
À mes chers parents,
Nulle dédicace ne peut exprimer ce que nous leurs devons, pour la vie, pour tout
l’amour qu’ils nous portent, pour leurs sacrifices déployés à mes égards, pour
leurs patience et leurs confiance en moi, pour tous l’encouragement qu’ils nous
donnent. Que ce modeste travail soit le témoignage sincère et affectueux de mes
profondes reconnaissances pour tout ce que vous avez fait pour moi.
À ma sœur,
Je suis si reconnaissant de t’avoir dans ma vie, et je ne pourrais jamais exprimer
assez ma gratitude pour tout ce que tu fais pour moi. Je te souhaite tout le
bonheur du monde, et j’espère que notre relation ne fera que grandir et s’épanouir
au fil des années.
À tous mes amis,
Je vous remercie du fond du cœur pour tout ce que vous avez fait pour moi et les
bons moments que nous avons passés.
Finalement, a tous ceux que nous aimons et sans oublier mon binôme pour son
soutien moral, sa patience et sa compréhension tout au long de ce projet.
BOUKHRIS
Remerciement
Nous tenons tout d’abord à remercier Dieu, le tout

puissant et miséricordieux, qui nous ’a donné la force et la
patience d’accomplir ce modeste travail.
Nous aimerons bien présenter nos vifs remerciements à la société Sartex Group
qui nous accueillit.
Nous tenons à exprimer notre gratitude et nos remerciements à nos

superviseurs, M. ZAYETI Aymen et M.BENDAYKHA Chadi pour leurs
commentaires constructifs, leur expertise et leur soutien empathique.
Nous exprimons nos profonds remerciements les plus sincères à Mme. MHIRI
Nesrine mon encadreur à l'institut, pour son assistance, ses directives et ses
conseils précieux.
Nous tenons également a remercier infiniment tous les membres de jury qui
m’ont fait l’honneur de juger notre travail.
Finalement, ceux qui mon aidées durant cette période pour effectuer mon projet
dans les meilleurs conditions, et je tiens également à remercier virement tous
ceux qui m'ont fait preuve d'un grand esprit de collaboration et d'initiative tous les
personnels de l'équipe de Sartex et qui m'apportent une aide précieuse par leurs
suggestion et leurs conseils.
Que les membres du jury trouvent nos profondes gratitudes pour l’honneur qu’ils
nous font en assistant à notre soutenance.
Table des matières

Introduction général.............................................................................................................................................................
CHPITRE I.............................................................................................................................................................................
Chapitre 1 : Présentation de l’organisme d’accueil et étude de l’existant..........................................................................
I.1. Introduction...................................................................................................................................................................
I.2. Cadre du projet..............................................................................................................................................................
I.3. Présentation de l’organisme d’accueil...........................................................................................................................
I.3.1 Identification de la société..........................................................................................................17
I.3.2. Les services................................................................................................................................18

I.4. Etat de l’art...................................................................................................................................................................

I.4.1. Définition de tissu......................................................................................................................19
I.4.2. Les types de tissu.......................................................................................................................19
I.5. Description de projet demandé......................................................................................................................................
I.6. Problématique et critique de l’existant..........................................................................................................................
I.6.1 Problématique............................................................................................................................20
I.6.2 Critique de l’existant...................................................................................................................21
I.7. Solution proposé...........................................................................................................................................................
I.8. La technologie de détection les défauts traditionnel......................................................................................................
I.9. Conclusion....................................................................................................................................................................
CHAPITRE II..........................................................................................................................................................................
Etude théorique..................................................................................................................................................................
II.1. Introduction.................................................................................................................................................................
II.2 Méthodologies de travail..............................................................................................................................................
II.2.1. Le cycle de vie de data science.................................................................................................25
II.3.Apprentissage profond..................................................................................................................................................
II.4.Apprentissage automatique..........................................................................................................................................
II.4.1. Définition..................................................................................................................................27
II.4.2. Les types d’apprentissage automatique....................................................................................27
II.4.2.1. L’apprentissage supervisé..................................................................................................27
II.4.2.2. L’apprentissage non supervisé...........................................................................................28
II.4.2.3 L’apprentissage par renforcement......................................................................................28
II.5. La vision par ordinateur................................................................................................................................................
II.5.1. Définition..............................................................................................................................28
II.5.2. Les pixels...............................................................................................................................29
II.5.3. La relation entre la vision par ordinateur et les pixels..........................................................29
II.6.Comprendre de métier..................................................................................................................................................
II.7. Collections des données...............................................................................................................................................
II.8. Analyse les données.....................................................................................................................................................
II.8.1. Préparation les données..........................................................................................................36
II.8.2.Annotations des images.............................................................................................................36
II.8.3.Rob Flow....................................................................................................................................36

II.8.4.Types d’annotation....................................................................................................................37
II.8.4.1.Polygonale...........................................................................................................................37
II.8.4.2.Cadres englobant................................................................................................................37
II.9. Entraîner le modèle......................................................................................................................................................
II.9.1. Traitement des images..............................................................................................................38
II.9.2. Classification.............................................................................................................................39
II.9.3. Détection...................................................................................................................................39
II.9.4. Segmentation............................................................................................................................40
II.10. Le modèle de détection..............................................................................................................................................
II.11. Conclusion..................................................................................................................................................................
CHAPITRE III.........................................................................................................................................................................
REALISATION PRATIQUE......................................................................................................................................................
III.1 Introduction.................................................................................................................................................................
III.2.1 Environnement matériels..........................................................................................................44
III.2.1.1 Les ordinateurs...................................................................................................................44
III.2.1.2 La caméra...........................................................................................................................45
III.2.2 Environnement logiciels........................................................................................................45
III.2.3 Langage de programmation..................................................................................................45
Conclusions générale..........................................................................................................................................................
Bibliographie.......................................................................................................................................................................
Liste de figure
FIGURE1. 1. LOGO SARTEX...................................................................................................................................17
FIGURE1. 2. ORGANIGRAMME DU SARTEX............................................................................................................19
FIGURE1. 3. LA MACHINE VISITEUSE.......................................................................................................................22
FIGURE1. 4.PROCÉDURE D’INSPECTION...................................................................................................................23
FIGURE 2. 1. CYCLE DE VIE DE DATA SCIENCE.......................................................................................................26

FIGURE 2. 2. LA VISION PAR ORDINATEUR...............................................................................................................29
FIGURE 2. 3. IMAGE ET PIXELS................................................................................................................................29
FIGURE 2. 4. NŒUD.................................................................................................................................................30
FIGURE 2. 5. TROU..................................................................................................................................................31
FIGURE 2. 6. TÂCHE................................................................................................................................................31
FIGURE 2. 7. FIL ÉTRANGER.....................................................................................................................................31
FIGURE 2. 8. GROSSE TRAME...................................................................................................................................32

FIGURE 2. 9. ARRÊT DE MÉTIER...............................................................................................................................32

FIGURE 2. 10. CAMERA CANON FULL HD 20.2 MEGAPIXELS............................................................................33
FIGURE 2. 11. STATISTIQUE DES DÉFAUTS...............................................................................................................36
FIGURE 2. 12. LOGO ROB FLOW..............................................................................................................................36
FIGURE 2. 13. ANNOTATION PAR POLYGONALE.......................................................................................................37
FIGURE 2. 14. ANNOTATION PAR CADRE ENGLOBANT.............................................................................................37
FIGURE 2. 15. LES ÉTAPES DE TRAITEMENT L’IMAGE..............................................................................................38
FIGURE 2. 16. EXEMPLE DE CLASSIFICATION AVEC LOCALISATION.........................................................................39
FIGURE 2. 17.: EXEMPLE DE DÉTECTION..................................................................................................................39
FIGURE 2. 18. SEGMENTATION D’UNE IMAGE COULEUR..........................................................................................40
FIGURE 3. 1. ……....................................................................................................................................................48

Liste de tableau
TABLEAU 1. 1. LES TYPES DE TISSU ET LEURS CARACTÉRISTIQUES ET UTILISATIONS..............................................20
TABLEAU 2. 1. CARACTÉRISTIQUES DE LA CAMÉRA CANON...................................................................................34

Introduction général
L’intelligence artificielle intervient aujourd'hui presque dans tous les domaines et tous les
secteurs pour rendre le travail plus précis, plus facile, et surtout bien géré.
L’avancée rapide de la technologie a permis à de nombreuses tâches humaines d’être effectuées

par des appareils. Que ce soit dans les domaines de l’industrie, de la médecine, de l’agriculture
ou même de la vie quotidienne, les machines et les robots peuvent désormais effectuer des
tâches qui étaient auparavant réservées aux êtres humains.. Bien que cela puisse rendre
certaines tâches plus faciles et plus rapides, cela soulève également des questions sur l’avenir
du travail et l’impact sur l’emploi humain.
A cet égard, le Groupe Sartex, en tant que leader du secteur textile en Tunisie, s'engage
toujours à répondre aux besoins de ses clients et de ses employés par l'amélioration continue de
ses services. C'est dans ce contexte que ce projet s'inscrit dans le cadre d'un stage de fin
d'études visant la conception et la réalisation d'une visiteuse assistée par caméra pour détecter
les défauts des tissus et leur attribuer automatiquement leur type.
Le présent rapport évoque les différentes étapes de la mise en œuvre de notre travail, il est
subdivisé en trois grands chapitres.
D'abord, dans le premier chapitre, nous présentons le cadre général du projet, la présentation de
la société accueille en introduisant des notions liées au projet demandé. Dans le deuxième
chapitre ……………………………………………………..

CHPITRE I
Présentation de
l’organisme d’accueil
et étude de l’existant

Chapitre I : Présentation de l’organisme d’accueil et étude de l’existant
Chapitre 1 : Présentation de l’organisme d’accueil et étude de l’existant
I.1. Introduction
Le chapitre actuel se concentre sur la présentation générale du projet, notamment en ce qui
concerne l’organisme d’accueil, la problématique à résoudre et l’évaluation critique de l’état
actuel des choses.
I.2. Cadre du projet

Le projet entre dans le cadre de préparation de stage de fin d'études pour l'obtention du
diplôme de licence en électronique, électrotechnique et automatique (EEA) au sein de
l'institut supérieur de sciences appliquées et technologies Mahdia durant la période du 3
mois.
I.3. Présentation de l’organisme d’accueil

I.3.1 Identification de la société
Dénomination : SARTEX : Société des Arts Textiles.
Nationalité : entreprise Tunisienne.
Son gérant : ZARRAD Kamel
Date de création : juin 1983.
Adresse: Km1 Route de Sousse, Ksar Hellal, Tunisie, 5016, Monastir
Figure1. 1. Logo SARTEX

Activités: confection chaîne et trame (spécialité article en jeans), totalement exportatrice
spécialisée dans la confection des articles variés pour hommes, femmes et enfants (jacket,
jupe, bermudas, sportswear).
Ses principaux marchés sont l’Allemagne, la France, l’Italie et l’Angleterre et elle produit
pour des grandes marques telles que: HUGO BOSS, LEVI'S, POLO, TIMBERLAND,
MUSTANG, etc.
SARTEX est la société mère et le siège administratif de trois autres sociétés situées à
environ 3 km de SARTEX et travaillent toutes les quatre en collaboration. Ces trois sociétés
sont :
• TEXPRO: Spécialisée dans la confection de textile.
• SOPAH : Spécialisée dans la confection de textile.
• ELNOUR : Spécialisée dans la préparation et la maintenance des équipements pour les
autres sociétés du groupe [1].
Les principales stratégies du SARTEX :
Rechercher la qualité globale.
Recherche de l'innovation technologique.
Les performances de production ont continué de s'améliorer. La réalisation d'une étude
approfondie et avancée sur le marché.
I.3.2. Les services
SARTEX GROUP est organisé en 12 services, qui sont :
 Service personnel
 Service commercial
 Service étude et développement
 Service production
 Service qualité
 Service financier-comptabilité
 Service maintenance et entretient
 Magasin de pièces de rechange
 Magasin de fourniture
 Service de planification
 Service logistique
 Service informatique
I.3.3. L’organigramme du SARTEX
SARTEX occupe une place favorisée grâce à la politique adoptée par ses services rendus
à la clientèle et à la coordination entre ses différents services. La hiérarchie de l’entreprise
suit l’organigramme de la figure 1.2 ci-dessous

Figure1. 2. Organigramme du SARTEX
I.4. Etat de l’art
I.4.1. Définition de tissu

Le tissu est un matériau constitué de fibres naturelles ou synthétiques tissées ou tricotées
ensemble pour former une surface plane et souple. Les fibres peuvent être d’origine
végétale, animale ou artificielle et peuvent être combinées pour créer une grande variété de
tissus avec des propriétés différentes. Les tissus sont utilisés pour fabriquer une large
gamme de produits, tels que des vêtements, des draps, des rideaux, des serviettes, des
tapisseries, des sacs, des meubles rembourrés et bien d’autres encore. Les tissus peuvent être
teints, imprimés, enduits ou traités de diverses manières pour améliorer leurs propriétés
physiques et esthétiques.
I.4.2. Les types de tissu

Il existe de nombreux types de tissus textiles différents, chacun avec ses propres
caractéristiques et utilisations spécifiques. Voici quelques exemples courants dans le tableau
1.1 ci-dessous :
Tableau 1. 1. Les types de tissu et leurs caractéristiques et utilisations
Types Caractéristiques et utilisations

Denim Le denim est un tissu de coton durable et résistant qui est souvent utilisé pour
les jeans et les vêtements de travail.
Flanelle La flanelle est un tissu de coton doux et chaud qui est souvent utilisé pour les
vêtements de nuit et les chemises d’hiver.
Velours Le velours est un tissu luxueux et doux qui est souvent utilisé pour les
vêtements d’occasion spéciale et les meubles rembourrés.
le nylon est un tissu synthétique léger et résistant qui est souvent utilisé pour
Nylon les vêtements de sport, les sacs et les bagages
Laine La laine est un tissu naturel chaud et durable qui est souvent utilisé pour les
manteaux, les chapeaux et les écharpes.
Polyester Le polyester est un tissu synthétique résistant et facile à entretenir qui est
souvent utilisé pour les vêtements de sport et les vêtements d’extérieur.
Soie La soie est un tissu luxueux et doux qui est souvent utilisé pour les vêtements
de soirée et les articles de literie haut de gamme.
Coton Le coton est un tissu naturel doux et respirant, souvent utilisé pour les
vêtements d’été, les draps et les serviettes.
I.5. Description de projet demandé

Une visiteuse assistée par caméra est un outil utilisé dans l’industrie textile pour détecter
les défauts de tissu et préciser leurs types automatiquement. Cette technologie permet de
scanner le tissu à haute vitesse en utilisant une caméra pour capturer des images de haute
résolution. Ces images sont ensuite traitées par des algorithmes informatiques qui peuvent
détecter des défauts tels que des grosses trames, des fils étrangers, des tâches, des arrêts de
métier, des nœuds ou d’autres types.
I.6. Problématique et critique de l’existant
I.6.1 Problématique
L’avancée rapide de la technologie a permis à de nombreuses tâches humaines d’être
effectuées par des appareils. Que ce soit dans les domaines de l’industrie, de la médecine, de
Page 20
ISSAT- Mahdia 2022-2023
l’agriculture ou même de la vie quotidienne, les machines et les robots peuvent désormais
effectuer des tâches qui étaient auparavant réservées aux êtres humains.
Comment les entreprises peuvent-elles remplacer les tâches manuelles par des tâches
automatiques de manière efficace et responsable, tout en garantissant la qualité du travail et
en préservant les emplois des travailleurs ?
I.6.2 Critique de l’existant

On ‘a beaucoup de raisons pour changer le travail de l’humain par une visiteuse assistée
par caméra :
 Erreurs et inexactitudes : les humains sont sujets à l’erreur, à la fatigue et à la
distraction, ce qui peut entraîner des erreurs et des inexactitudes dans leur travail,
tandis que les machines sont programmées pour effectuer des tâches avec une
précision constante.
 Coûts et productivité : le travail humain est souvent plus coûteux que l’utilisation de
machines, car il nécessite un salaire, des avantages sociaux et des pauses, tandis que
les machines peuvent fonctionner 24 heures sur 24 sans interruption et avec une
productivité accrue.
 Risques pour la santé et la sécurité : certaines tâches peuvent être dangereuses ou
exposer les travailleurs à des risques pour leur santé, tels que des blessures, des
troubles musculaires-squelettiques ou des maladies professionnelles, tandis que les
machines peuvent effectuer des tâches dangereuses sans risque pour la santé
humaine.
 Qualité de vie au travail : le travail humain peut être répétitif, ennuyeux et stressant,
ce qui peut entraîner une baisse de la motivation et de la satisfaction au travail, tandis
que les machines peuvent effectuer des tâches répétitives avec une précision
constante sans se fatiguer ou se lasser.
I.7. Solution proposé

Une solution basée sur l’IA pour l’industrie textile est l’utilisation de la détection
automatique de défauts dans les tissus à l’aide de l’analyse d’images.
Cette solution consiste à utiliser des caméras haute résolution pour capturer des images des
tissus en mouvement sur une bande transporteuse. Les images sont ensuite analysées par un
logiciel d’IA, qui utilise des algorithmes de traitement d’images pour détecter les défauts,
tels queMahdia
ISSAT- les trous, les tâches, les filaments manquants et les fils cassés. La détectionPage
2022-2023 des21
défauts peut être réalisée à haute vitesse et avec une grande précision, ce qui permet
d’améliorer la qualité des produits et de réduire les déchets.
En outre, la solution basée sur l’IA peut être utilisée pour la maintenance prédictive de
machines dans l’industrie textile. Les capteurs intégrés aux machines peuvent collecter des
données en temps réel sur les vibrations, la température et d’autres paramètres clés, qui
peuvent être analysées par des algorithmes d’IA pour détecter les anomalies et les problèmes
potentiels. La maintenance prédictive permet de réduire les temps d’arrêt imprévus,
d’optimiser la durée de vie des équipements et de minimiser les coûts de maintenance.
I.8. La technologie de détection les défauts traditionnel

La machine visiteuse est une machine utilisée dans l'industrie textile pour examiner et
inspecter les tissus finis avant qu'ils ne soient livrés aux clients. Elle est également appelée
machine d'inspection ou machine d'examinateur. Cette machine est utilisée pour détecter les
défauts dans le tissu, tels que les nœuds, les fils tirés, les taches, les trous, les variations de
couleur et autres imperfections. Elle est équipée d'un dispositif d'éclairage qui projette une
lumière vive sur le tissu pour faciliter l'inspection. Les opérateurs de la machine visiteuse
examinent le tissu à la recherche de défauts et peuvent les marquer avec une étiquette ou un
crayon pour signaler les zones à corriger. Certains modèles de machine visiteuse sont
équipés d'un système informatique qui enregistre les données de qualité du tissu, permettant
aux fabricants de suivre les performances de leur production et de prendre des mesures pour
améliorer la qualité. Les machines visiteuses sont couramment utilisées dans les usines de
production textile et sont un élément clé du processus de contrôle de qualité pour garantir
que les tissus produits répondent aux normes de qualité requises.

Figure1. 3. La machine visiteuse

Procédure d’inspection
Ajouter une paraghraphe
Figure1. 4.Procédure d’inspection
I.9. Conclusion
Dans ce chapitre, nous avons présenté l’organisation d’accueil Sartex Group, leur service et
leur organigramme. Nous avons posé la problématique de ce projet et nous avons pris une
vision plus claire sur le sujet. Par ailleurs, nous avons pu déterminer les objectifs à
atteindre .Lors du chapitre suivant, nous allons faire la partie théorique de ce projet.

CHAPITRE II
Etude théorique
Chapitre III : Réalisation Pratique
II.1. Introduction
Ce chapitre décrit la mise en place du projet et détaille les étapes nécessaires à sa réalisation.
La première étape est la collecte des données, suivie de l’analyse des données et de leur
préparation en vue d’une utilisation appropriée. La collecte des données permet de recueillir
toutes les informations nécessaires, tandis que l’analyse des données permet de comprendre
les tendances et les modèles qui existent entre elles.
II.2 Méthodologies de travail
II.2.1. Le cycle de vie de data science
Le cycle de vie de Data Science est une approche méthodique pour résoudre des problèmes à
l’aide de techniques de science des données. Le processus de cycle de vie de la science des
données suit les étapes suivantes :
1. Comprendre le problème : La première étape consiste à comprendre le problème
commercial et les objectifs de l’analyse de données.
2. Collecte de données : La deuxième étape consiste à collecter les données pertinentes à
partir de sources variées et les préparer pour l’analyse.
3. Exploration de données : La troisième étape consiste à explorer les données en
utilisant des techniques de visualisation et de statistiques pour comprendre les
relations entre les différentes variables.
4. Préparation de données : La quatrième étape consiste à nettoyer, transformer et
préparer les données pour la modélisation.
5. Modélisation : La cinquième étape consiste à développer des modèles statistiques et
des algorithmes pour répondre au problème de l’analyse de données.
6. Évaluation : La sixième étape consiste à évaluer les performances des modèles à
l’aide de techniques de validation croisée et de tests.
7. Déploiement : La septième et dernière étape consiste à déployer les résultats de
l’analyse de données dans l’entreprise pour aider à la prise de décision et à
l’élaboration de stratégies.
Chapitre II : Etude théorique
Figure 2. 1. Cycle de vie de Data Science
II.3.Apprentissage profond
L’apprentissage profond, également connu sous le nom de « Deep Learning », est une
branche de l’intelligence artificielle qui utilise des réseaux de neurones artificiels pour
apprendre à partir de données. Les réseaux de neurones profonds sont composés de couches
de neurones interconnectées qui sont capables de modéliser des relations complexes entre les
entrées et les sorties.
L’apprentissage profond est utilisé dans de nombreux domaines, notamment la reconnaissance
d’images, la reconnaissance de la parole, la traduction automatique et la prédiction de séries
chronologiques. Les réseaux de neurones profonds sont particulièrement bien adaptés pour la
reconnaissance de motifs complexes dans les données, ce qui en fait une technologie

prometteuse pour les applications qui nécessitent une analyse approfondie de grandes
quantités de données.
II.4.Apprentissage automatique
II.4.1. Définition
Apprentissage automatique (Machine Learning en anglais). Le ML implique de permettre à

l’ordinateur d’apprendre par lui-même quelles opérations effectuer, plutôt que de lui donner
des instructions explicites à suivre. Cette approche a été définie par Arthur Samuel, un
mathématicien américain qui a créé en 1959 un programme capable d’apprendre de manière
autonome à jouer aux Dames. En somme, le Machine Learning représente un changement de
paradigme dans la façon dont les ordinateurs sont programmés.
En 1998, Tom Mitchell, un autre Américain, a proposé une définition plus contemporaine du
Machine Learning, affirmant que la machine apprend lorsqu’elle améliore ses performances
dans l’exécution d’une tâche grâce à de nouvelles expériences [2]. Cette technologie
d’intelligence artificielle permet aux ordinateurs d’apprendre sans être explicitement
programmés à cette fin, mais elle nécessite toutefois des données pour l’analyse et
l’entraînement [3].
D’autre part, l’intelligence computationnelle est une méthode d’analyse de données qui vise à
créer automatiquement des modèles analytiques. En d’autres termes, elle permet à un
ordinateur de développer des concepts, d’évaluer, de prendre des décisions et de prédire les
options futures.
II.4.2. Les types d’apprentissage automatique
Il existe trois types d’apprentissage automatique : l’apprentissage supervisé, l’apprentissage

non supervisé et l’apprentissage par renforcement.
II.4.2.1. L’apprentissage supervisé
C’est lorsque le modèle est entraîné avec un ensemble de données étiquetées, c’est-à-dire des
données qui sont déjà classées ou étiquetées avec des étiquettes prédéfinies. Le but de
l’apprentissage supervisé est de permettre au modèle de prédire des étiquettes pour de
nouvelles données non étiquetées.

L’apprentissage supervisé fonctionne en 4 étapes :
1. Importer un Dataset qui contient nos exemples
2. Développer un Modèle aux paramètres aléatoires
3. Développer une Fonction Coût qui mesure les erreurs entre le modèle et le Dataset
4. Développer un Algorithme d’apprentissage pour trouver les paramètres du modèle qui
minimisent la Fonction Coût
II.4.2.2. L’apprentissage non supervisé
C’est lorsque le modèle est entraîné sans étiquettes ou catégories prédéfinies. L’objectif est
de découvrir des structures ou des relations cachées dans les données, comme des groupes ou
des clusters de données similaires.
II.4.2.3 L’apprentissage par renforcement
C’est lorsque le modèle est entraîné pour prendre des décisions en fonction d’un
environnement dynamique. Le modèle apprend en interagissant avec l’environnement et en
recevant des récompenses ou des pénalités pour ses actions, ce qui permet d’optimiser ses
décisions pour maximiser la récompense globale.
II.5. La vision par ordinateur
II.5.1. Définition
La vision par ordinateur (ou computer vision en anglais) est une branche de l’intelligence
artificielle qui permet à un ordinateur de comprendre et d’interpréter des images ou des
vidéos. Elle utilise des algorithmes et des techniques de traitement d’images pour extraire des
informations des données visuelles, telles que la reconnaissance d’objets, la détection de
mouvement, la segmentation d’images, la reconnaissance de formes
Les techniques de vision par ordinateur sont souvent combinées avec d’autres techniques
d’apprentissage automatique, telles que l’apprentissage profond, pour améliorer la précision et
la performance des modèles de reconnaissance d’images.

Figure 2. 2. La vision par ordinateur
II.5.2. Les pixels
Les pixels (abréviation de « élément d’image ») sont les minuscules points qui composent
les images numériques sur les écrans d’ordinateur, les appareils photo et autres appareils.
Chaque pixel est un point de lumière unique qui peut afficher une couleur ou une nuance
spécifique. Plus une image a de pixels, plus sa résolution est élevée et plus elle peut afficher
de détails.
Figure 2. 3. Image et pixels

II.5.3. La relation entre la vision par ordinateur et les pixels
La vision par ordinateur est une branche de l’intelligence artificielle qui s’intéresse à la
compréhension et à l’interprétation des images et des vidéos par les ordinateurs. Les pixels
sont les éléments fondamentaux qui composent une image numérique. Ainsi, la relation entre
la vision par ordinateur et les pixels est très étroite.
La vision par ordinateur implique l’utilisation d’algorithmes et de techniques pour extraire des
informations utiles à partir des pixels d’une image. Les pixels sont les points les plus basiques
d’une image, chacun ayant une couleur et une position dans l’image. Les algorithmes de
vision par ordinateur peuvent traiter ces pixels pour détecter des formes, des contours, des
objets, des visages et d’autres caractéristiques dans l’image.
En outre, la qualité de l’image dépend également de la densité de pixels. Plus il y a de pixels
dans une image, plus elle est détaillée et précise. C’est pourquoi les techniques de vision par
ordinateur peuvent être utilisées pour améliorer la résolution et la qualité des images.
II.6.Comprendre de métier
Il existe plus de vingt types de défauts de tissu, voici quelques exemples :
Les nœuds : ce sont des zones où les fibres sont tordues ou nouées entre elles, créant des
bosses sur la surface du tissu.
Figure 2. 4. Nœud
Les trous : des zones où le tissu est complètement manquant ou endommagé.

Figure 2. 5. Trou
Les taches : des zones de coloration ou de décoloration du tissu, souvent causées par des
produits chimiques ou des liquides.
Figure 2. 6. Tâche
Les fils étranger : des fils qui se trouvent à la surface du tissu et qui ne sont pas fixés.
Figure 2. 7. Fil étranger

Grosse trame : Le défaut de grosse trame peut être causé par divers facteurs, tels qu’une erreur
dans la sélection des fils, une erreur dans la configuration des machines de tissage, une
tension incorrecte des fils ou une usure excessive des pièces de la machine.
Figure 2. 8. Grosse trame

Arrêt de métier : Le défaut d’arrêt de métier peut être causé par divers facteurs, tels qu’une
tension incorrecte des fils, une erreur dans la configuration de la machine à tisser, une usure
excessive des pièces de la machine, ou des erreurs humaines lors du processus de production.
Ce défaut peut être plus difficile à détecter visuellement, mais il peut être perceptible au
toucher et peut également affecter la résistance et la durabilité du tissu.
Figure 2. 9. Arrêt de métier

Les fils coupés : des fils qui ont été coupés où coupés par inadvertance, créant une ligne de fil
manquant dans le tissu.
Les déformations : des zones où le tissu est étiré, rétréci ou déformé de manière irrégulière,
créant une apparence déséquilibrée..

Les lignes de tension : Ce sont des zones où le tissu est plus serré ou plus lâche que le reste du
tissu, créant des lignes visibles sur la surface du tissu. Les lignes de tension peuvent être
causées par des problèmes de tension des fils lors du tissage.
Les défauts de motif : Ce sont des erreurs dans le motif imprimé sur le tissu, créant des erreurs
visibles dans le motif. Les défauts de motif peuvent être causés par des problèmes avec les
plaques d’impression ou des erreurs lors du processus d’impression.
Les irrégularités de texture : Ce sont des zones où la texture du tissu est différente du reste du
tissu, créant des zones de texture inégale sur la surface du tissu. Les irrégularités de texture
peuvent être causées par des problèmes lors du processus de tissage ou du traitement du tissu.
Les marques de pli : il s’agit de zones où le tissu a été plié pendant une période prolongée,
créant une marque permanente. Les marques de pli peuvent être causées par le stockage ou le
transport du tissu.
Les effilochures : ce sont des zones où les bords du tissu se sont dégradés et commencent à
s’effilocher.
Les fils tirés : il s’agit de fils qui se sont déplacés de leur position normale, souvent causés par
un accroc ou une friction avec un objet tranchant.
II.7. Collections des données

Etape 1 :
Reconnaît les défauts qu’ils se trouvent dans les tissus puis nous prendrons cinq milles
images des différents défauts avec la caméra Canon FULL HD 20.2 MEGAPIXELS.
Figure 2. 10. Camera Canon FULL HD 20.2 MEGAPIXELS

La caméra Canon FULL HD 20.2 MÉGAPIXELS dispose des caractéristiques dans le tableau
2.1 ci-dessous :
Tableau 2. 1. Caractéristiques de la caméra Canon
Les éléments Les caractéristiques

Résolution d’image de 20.2 méga pixels Cela signifie que la caméra peut capturer des
images avec une grande quantité de détails et
de clarté.
Enregistrement vidéo FULL HD La caméra peut enregistrer UN vidéo.
Stabilisation d’image La caméra dispose d’un système de
stabilisation d’image qui réduit les
tremblements de la caméra pour une vidéo
plus stable et des images plus nettes.
Objectif interchangeable La caméra dispose d’un système d’objectif
interchangeable qui permet aux
photographes de choisir l’objectif le plus
approprié pour la situation.
Vitesse de prise de vue rapide La caméra a une vitesse de prise de vue
rapide, permettant aux photographes de
capturer des images en rafale.
Écran LCD inclinable La caméra dispose d’un écran LCD
inclinable qui permet aux photographes de
prendre des photos et des vidéos sous
différents angles.
Connectivité Wifi La caméra dispose d’une connectivité Wifi
qui permet aux photographes de transférer
des photos et des vidéos sans fil vers des
appareils compatibles.
Autonomie de la batterie La caméra dispose d’une autonomie de
batterie suffisante pour capturer plusieurs
heures de vidéo ou des centaines de photos.
Tableau 1: Les caractéristiques de caméra Canon FULL HD 20.2 MEGAPIXELS

Etape 2 :
Importer les images dans le Google Drive et nommer la data ‘img ‘.
Etape 3:
Diviser les données en six catégories de défauts qui sont présents en abondance et les avons
classées selon les types de défauts..
II.8. Analyse les données

Dans ce paragraphe on fait un secteur qui donné la statistique de défaut présents en
abondance qui sont :
▪ Grosse trame (1243 défauts)
▪ Nœuds (920 défauts)
▪ Arrêt de métier (838 défauts)
▪ Autre types (843 défauts)
▪ Fil étranger (600 défauts)
▪ Tâche (573 défauts)

Figure 2. 11. Statistique des défauts
II.8.1. Préparation les données

Dans cette section, nous allons annoter uniquement la zone spécifique dans laquelle un
défaut apparaît dans une image précisément et entraîner le modèle.
II.8.2.Annotations des images

En science des données, l’annotation est souvent utilisée pour ajouter des étiquettes ou des
catégories à des ensembles de données pour aider à la classification, la segmentation ou la
détection de modèles. Par exemple, dans la reconnaissance d’images, des annotations peuvent
être ajoutées pour identifier des objets spécifiques ou des caractéristiques d’intérêt dans les
images.
II.8.3.Rob Flow
Rob Flow annote les images très rapidement, directement dans le navigateur. Étiquetez en
utilisant n’importe quel système d’exploitation sans télécharger de logiciel. Utilisez les
formats d’annotation les plus courants. Vous et votre équipe pouvez annoter des centaines
d’images en quelques minutes.
Figure 2. 12. Logo Rob Flow

II.8.4.Types d’annotation
II.8.4.1.Polygonale
Polygonale est une méthode précise d’annotation où une collection de coordonnées est
dessinée autour d’une image. Ces coordonnées sont destinées à entourer étroitement un objet
spécifique dans une image. Les annotations polygonales peuvent éviter de capturer des
informations d’arrière-plan inutiles qui ne sont pas pertinentes pour une annotation.
Figure 2. 13. Annotation par polygonale
II.8.4.2.Cadres englobant
Une annotation de cadre de sélection est un rectangle qui entoure un objet et qui spécifie sa
position.
Utilisez des annotations de cadre de sélection lorsque vous n’êtes pas préoccupé par la capture
de la forme spécifique d’un objet ou pour des annotations rapides et faciles.
Figure 2. 14. Annotation par cadre englobant

II.9. Entraîner le modèle
II.9.1. Traitement des images

Le traitement d’image implique plusieurs étapes, qui peuvent inclure le prétraitement, la
segmentation, la classification, la reconnaissance de forme, l’analyse de texture et la
compression d’image. Le prétraitement implique la préparation de l’image pour l’analyse en
éliminant le bruit, la normalisation des couleurs et des contrastes, et la mise à l’échelle de
l’image. La segmentation consiste à diviser l’image en régions homogènes, telles que des
bords ou des contours, afin d’extraire des informations utiles. La classification consiste à
attribuer une étiquette ou une catégorie à chaque région ou pixel de l’image, tandis que la
reconnaissance de forme implique l’identification de formes spécifiques dans l’image.
Figure 2. 15. Les étapes de traitement l’image

II.9.2. Classification
La classification est une tâche qui consiste à attribuer une étiquette ou une catégorie à une
image ou à une partie d’une image. Par exemple, dans une image de chat, la classification
peut consister à déterminer s’il s’agit d’un chat noir ou blanc.
Figure 2. 16. Exemple de classification avec localisation
II.9.3. Détection
La détection est une tâche qui consiste à localiser et à identifier les objets dans une image.
Dans cette tâche, le modèle doit non seulement classifier l’objet, mais aussi localiser sa
position dans l’image. Par exemple, dans une image de rue, la détection peut consister à
localiser et à classifier les voitures.
Figure 2. 17.: Exemple de détection

II.9.4. Segmentation
La segmentation est une tâche qui consiste à diviser une image en différentes régions ou
segments, où chaque segment peut représenter un objet ou une partie d’un objet. Cette tâche
est plus fine-grain que la détection, car elle permet de distinguer les différentes parties d’un
objet. Par exemple, dans une image de pomme, la segmentation peut consister à identifier la
pomme en tant qu’objet, ainsi que les différentes parties de la pomme (la peau, la chair, le
trognon, etc.)
Figure 2. 18. Segmentation d’une image couleur
II.10. Le modèle de détection

YOLO (You Only Look Once) est un modèle de détection d’objets en temps réel, qui a été
introduit pour la première fois en 2015 par Joseph Redmon et ses collègues. Depuis lors,
plusieurs versions de YOLO ont été publiées, chacune apportant des améliorations
significatives en termes de précision et de vitesse de détection.
Il y a eu plusieurs versions de YOLO au fil des ans, chacune avec des améliorations et des
ajustements pour améliorer la précision et la vitesse de détection :
YOLOv1: La première version de YOLO a été publiée en 2016 et est connue sous le nom de
YOLOv1. Elle a été la première à proposer une détection d’objets en temps réel et a été
une avancée majeure dans le domaine.
YOLOv2 : YOLOv2 a été publié en 2017 et a apporté des améliorations significatives à la
version originale. Elle a introduit un réseau plus profond, un processus de prédiction à trois
échelles différentes et une nouvelle méthode pour prédire les boîtes englobâtes.

YOLOv3 : YOLOv3 a été publié en 2018 et a été une autre grande amélioration par rapport à
YOLOv2. Elle a utilisé un réseau encore plus profond, a ajouté des blocs résiduels et une
attention spatiale, et a utilisé une méthode de prédiction de la forme des boîtes englobâtes
pour améliorer la précision.
YOLOv4: YOLOv4 a été publié en 2020 et a été la version la plus récente et la plus avancée
de YOLO. Elle a introduit des techniques avancées de traitement de l’image, une
architecture de réseau plus complexe, une amélioration de la formation et une
augmentation de la vitesse de traitement.
YOLOv5 : Cette version a été publiée en 2020 et a utilisé une architecture entièrement
nouvelle pour améliorer la précision et la vitesse de la détection d’objets. Elle a également
introduit une méthode d’augmentation de données appelée « Mosaic Data Augmentation »
pour améliorer la généralisation du modèle.
YOLOv8 : est la dernière version du modèle de détection d’objets et de segmentation
d’images YOLO. En tant que modèle de pointe à la pointe de la technologie (SOTA),
YOLOv8 s’appuie sur le succès des versions précédentes, introduisant de nouvelles
fonctionnalités et améliorations pour améliorer les performances, la flexibilité et
l’efficacité.
⮚ Chaque version de YOLO a été largement utilisée dans différents domaines de la vision par
ordinateur, y compris la surveillance vidéo, la reconnaissance de personnes et la détection

d’objets dans des images satellites.
II.11. Conclusion
Au cours de ce chapitre, nous avons présenté notre méthodologie de travail pour réaliser
notre projet, et les fondamentaux des différentes notions d'apprentissage profond et
automatique ainsi nous comprenons la notion de vision par ordinateur.


CHAPITRE III
REALISATION PRATIQUE
III.1 Introduction
Comme détaillé dans ce chapitre, nous avons terminé les étapes nécessaires de la phase de mise
en œuvre. Le problème a été analysé en profondeur et nous avons défini la préparation des
données. Dans ce chapitre, nous commencerons par une description de l'environnement de travail
(matériel et logiciel) et du langage de programmation utilisé. Ensuite, nous couvrirons les
différents aspects opérationnels de la caméra.
III.2 Environnement de travail

Dans ce paragraphe, nous allons présenter l’environnement matériel et logiciel de la visiteuse
assistée par caméra que nous avons réalisée.
III.2.1 Environnement matériels
III.2.1.1 Les ordinateurs

Nous avons besoin de deux ordinateurs pour le travail, les tableaux suivant montrent les
différentes caractéristiques de mes ordinateurs :
Tableau 3. 1. Caractéristiques matériel de premier ordinateur
▪ ACER
Marque
▪ Aspire E 15
Modèle
▪ Intel Core i7 2.4 GHZ

Processeur
▪ Windows 10 Professionnel 64 bits

Système d’exploitation
▪ 8GB
RAM
▪ 1TB
Disque Dur
Tableau 3. 2. Caractéristiques matériel de deuxième ordinateur

Marque
▪ Lenovo
Modèle
▪ IDEAPAD GAMING 3 15ACH6
Processeur
▪ AMD Ryzen 7 5800H
4.4 GHz
Système d’exploitation
▪ Windows 11
RAM
▪ 16 GB
Disque Dur
▪ 512 Go
III.2.1.2 La caméra
Aussi nous avons besoin d’une caméra, le tableau 3 suivant montre les différentes
caractéristiques et notre choix d’elle.
Tableau 3 :
III.2.2 Environnement logiciels
III.2.3 Langage de programmation
III.3 Partie expérimentale

III.4 Travail réalisé
Figure 3. 1. ……



Conclusions générale
Bibliographie
[1] Ibtissem TISS &Nesrine MHIRI 2013/2014. Conception et réalisation d’un système PV muni
d’un suiveur solaire connecté sur le réseau électrique. Projet Fin d’Etudes ENISS,Sfax,Tunisia
[2] LE POMPAGE SOLAIRE Guide de bonnes pratiques à l’attention des agriculteurs
[3] LORENTZ : Sun. Water. Life. Pompage solaire de l’eau pour l’irrigation à Oujda au Maroc
[4] Pompage photovoltaïque : Guide à l’intention des ingénieurs et techniciens. par Jimmy Royer
Thomas Djiako Eric Schiller Bocar Sada Sy Sous la direction de Eric Schille
[5] Système photovoltaïque : dimensionnement pour pompage d’eau pour une irrigation goutte à
goutte. Mémoire de fin d’étude Thierry Maurice
[6] https://grafikart.fr/blog/raspberry-pi-utilisation
[7] https://www.raspberrypi-france.fr/guide/choisir-modele-raspberry-pi/
[8] https://deusyss.developpez.com/tutoriels/RaspberryPi/PythonEtLeGpio/
[9] C. Daux et C. Lusseau – Sciences de lʼIngénieur-EduSCOL/ENS, «ARCHITECTURE DE
LA CHAINE DʼENERGIE DE POMPAGE DE LʼEAU BRUTE»-Cachan-01 janvier 2004.
[10]https://www.collegegujan.fr/sites/technopc/img/4eme/sequence1/FCressources/TICE40.pdf


Version0-Pfeameni - Mohamed Final-03-05

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Version0-Pfeameni - Mohamed Final-03-05

Transféré par

Droits d'auteur :

Formats disponibles

République Tunisienne

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Institut Supérieur des Sciences Appliquées et de Technologies de Mahdia

Visiteuse Assisté Par Caméra

Soutenu le ../05/2023 devant le jury composé de :

ISSAT- Mahdia 2022-2023 Page 1

Mr. ZAYETI Aymen Encadrant : (société)

À tous mes amis,

Et à toute ma famille et à tous ceux que j’aime.

Je vous aime énormément.

ISSAT- Mahdia 2022-2023 Page 2

Nous tenons tout d’abord à remercier Dieu, le tout

Nous tenons à exprimer notre gratitude et nos remerciements à nos

Table des matières

ISSAT- Mahdia 2022-2023 Page 4

I.4. Etat de l’art...................................................................................................................................................................

ISSAT- Mahdia 2022-2023 Page 5

FIGURE 2. 1. CYCLE DE VIE DE DATA SCIENCE.......................................................................................................26

ISSAT- Mahdia 2022-2023 Page 6

FIGURE 2. 9. ARRÊT DE MÉTIER...............................................................................................................................32

ISSAT- Mahdia 2022-2023 Page 7

TABLEAU 1. 1. LES TYPES DE TISSU ET LEURS CARACTÉRISTIQUES ET UTILISATIONS..............................................20

TABLEAU 2. 1. CARACTÉRISTIQUES DE LA CAMÉRA CANON...................................................................................34

ISSAT- Mahdia 2022-2023 Page 8

L’avancée rapide de la technologie a permis à de nombreuses tâches humaines d’être effectuées

ISSAT- Mahdia 2022-2023 Page 9

ISSAT- Mahdia 2022-2023 Page 10

Chapitre 1 : Présentation de l’organisme d’accueil et étude de l’existant

I.2. Cadre du projet

I.3. Présentation de l’organisme d’accueil

Figure1. 1. Logo SARTEX

ISSAT- Mahdia 2022-2023 Page 18

Figure1. 2. Organigramme du SARTEX

I.4. Etat de l’art

I.4.1. Définition de tissu

I.4.2. Les types de tissu

Tableau 1. 1. Les types de tissu et leurs caractéristiques et utilisations

Types Caractéristiques et utilisations

I.5. Description de projet demandé

I.6. Problématique et critique de l’existant

I.6.2 Critique de l’existant

I.7. Solution proposé

I.8. La technologie de détection les défauts traditionnel

ISSAT- Mahdia 2022-2023 Page 22

Figure1. 3. La machine visiteuse

Figure1. 4.Procédure d’inspection

ISSAT- Mahdia 2022-2023 Page 23

II.2 Méthodologies de travail

II.2.1. Le cycle de vie de data science

Figure 2. 1. Cycle de vie de Data Science

ISSAT- Mahdia 2022-2023 Page 26

Apprentissage automatique (Machine Learning en anglais). Le ML implique de permettre à

II.4.2. Les types d’apprentissage automatique

Il existe trois types d’apprentissage automatique : l’apprentissage supervisé, l’apprentissage

II.4.2.1. L’apprentissage supervisé

ISSAT- Mahdia 2022-2023 Page 27

L’apprentissage supervisé fonctionne en 4 étapes :

1. Importer un Dataset qui contient nos exemples

2. Développer un Modèle aux paramètres aléatoires

II.4.2.2. L’apprentissage non supervisé

II.4.2.3 L’apprentissage par renforcement

II.5. La vision par ordinateur

ISSAT- Mahdia 2022-2023 Page 28