Mallek Rahma RADOUANE2024-07-152024-07-152024https://dspace.univ-soukahras.dz/handle/123456789/3985With the development of demographics and urbanization worldwide, waste generation rates are increasing, making its volume a worrying threat that causes the deterioration of human health and the environment. To address this problem, our research proposes a system for recognizing different types of waste based on convolutional neural network models (CNN, VGG16...). On the other hand, separating waste into several components is one of the most important steps in waste management, and this process is usually done manually by sorting. To simplify this process, we proposed a waste segmentation model using (YOLO). Both models were trained on our custom dataset to recognize 12 different types of waste. The developed system showed promising results, demonstrating high accuracy in recognizing 12 types of waste. The VGG16 model achieved an accuracy of up to 98%, while the YOLO model achieved an average accuracy of 82%. These achievements confirm the effectiveness of the system in recognizing waste in real-world conditions, contributing to improved waste recognition and separation. ----------------------------------------------------------------------------------------- مع تطور التركيبة السكانية والتحضر في جميع أنحاء العالم، تتزايد معدلات توليد النفايات، مما يجعل حجمها تهديدًا مقلقًا يتسبب في تدهور صحة الإنسان والبيئة. لمعالجة هذه المشكلة، يقترح بحثنا نظامًا للتعرف على الأنواع المختلفة للنفايات بالاعتماد على نماذج الشبكة العصبية التلافيفية (CNN, VGG16...) ومن جهة أخرى، يُعد فصل النفايات إلى عدة مكونات من أهم الخطوات في إدارة النفايات، وعادة ما تتم هذه العملية يدويًا عن طريق الفرز. لتبسيط هذه العملية، اقترحنا نموذجًا لتجزئة النفايات باستخدام (YOLO). تم تدريب النموذجين على مجموعة بيانات خاصة بنا للتعرف على 12 نوعًا مختلفًا من النفايات. أظهر النظام المطور نتائج مبشرة، حيث أظهر دقة عالية في التعرف على 12 نوعًا من النفايات، فقد حقق نموذج VGG16 دقة تصل إلى 98%، في حين حقق نموذج YOLO متوسط دقة وصل إلى 82%. تؤكد هذه الإنجازات فعالية النظام في التعرف على النفايات في أرض الواقع، مما يسهم في تحسين جودة التعرف على النفايات وفصلها. ----------------------------------------------------------------------------------------- Avec le développement de la démographie et de l’urbanisation dans le monde entier, les taux de production de déchets augmentent, rendant leur volume une menace préoccupante qui cause la détérioration de la santé humaine et de l’environnement. Pour résoudre ce problème, notre recherche propose un système de reconnaissance des différents types de déchets basé sur des modèles de réseau de neurones convolutifs (CNN, VGG16...). D’autre part, la séparation des déchets en plusieurs composants est l’une des étapes les plus importantes de la gestion des déchets, et ce processus se fait généralement manuellement par tri. Pour simplifier ce processus, nous avons proposé un modèle de segmentation des déchets utilisant (YOLO). Les deux modèles ont été entraînés sur notre propre jeu de données pour reconnaître 12 types de déchets différents. Le système développé a montré des résultats prometteurs, démontrant une haute précision dans la reconnaissance de 12 types de déchets. Le modèle VGG16 a atteint une précision allant jusqu’à 98%, tandis que le modèle YOLO a atteint une précision moyenne de 82%. Ces réalisations confirment l’efficacité du système dans la reconnaissance des déchets dans des conditions réelles, contribuant à améliorer la reconnaissance et la séparation des déchets.enThesis