ESSAT Institutional Repository

Higher School of Applied Sciences of Tlemcen (ESSAT)

Welcome to ESSAT DSpace

Welcome to the Institutional Repository of the Higher School of Applied Sciences of Tlemcen (ESSAT).

This platform showcases, preserves, and provides open access to our academic and scientific output, including:

Doctoral dissertations
Master’s theses
Course handouts and lecture notes
Conference proceedings
Scientific publications and research papers

We invite you to explore our collections and visit regularly, as the repository is continuously updated with new content.

Photo by @inspiredimages

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 10

Mémoires ESSA 2019
Mémoires soutenues à l'ESSA Tlemcen
Memoires ESSA 2020
Memoires ESSA 2020
Mémoires ESSA 2021
Mémoires ESSA 2022
Automatique
Mémoires ESSA 2023

Recent Submissions

Travaux Pratiques PhysiqueI 1
(Ecole Superieur En Science Appliquees -Tlemcen-, 2026-11-08)
Kherbouche, Djamila
;
Mebrouki, Mohammed
Cet ouvrage s’adresse aux étudiants de première année des filières scientifiques et techniques de l’université et des écoles d’ingénieurs d’Algérie. Il suit dans ses grandes lignes le programme officiel de Physique 1 – Mécanique du point matériel. Les travaux pratiques qu’il propose sont dispensés à l’École Supérieure en Sciences Appliquées de Tlemcen (anciennement École Préparatoire) depuis 2015. Cette édition enrichie conserve la structure d’origine en six séances, mais chaque séance a été développée afin que le polycopié puisse être utilisé de façon autonome, avant, pendant et après la séance : • une partie théorique détaillée, avec les démonstrations complètes et de nombreuses figures ; • une description du matériel et un protocole expérimental pas à pas ; • des questions de préparation à traiter avant la séance ; • des exemples de traitement des données (tableaux, graphes, calcul des incertitudes) ; • un corrigé type avec des valeurs numériques cohérentes, ainsi que les erreurs fréquentes à éviter
Polycopié de: Politic Economic And Social Aspects Of Renewable Energies
(Higher School In Applied Sciences -Tlemcen-, 2026-11-08)
Kherbouche, Djamila
This comprehensive course module (ELTEE907) is designed for final-year engineering students specialising in electrical engineering and renewable energies. It bridges the gap between the technical aspects of energy systems and the broader political, economic, and social contexts that shape the energy sector. Energy systems do not exist in a vacuum. A wind farm cannot be built without financing, permits, regulatory approval, and community acceptance. A solar project in Algeria must navigate national energy policy, international investment frameworks, grid connection rules, and local socioeconomic priorities. This course equips students with the tools to understand and navigate this complex landscape.
Conception d'un modèle de gestion de stock pharmaceutique par reconnaissance visuelle basée sur les réseaux de neurones convolutifs
(directeur Dr BEKKAOUI Mokhtaria, co-directeur Dr FANDI Wahiba, 2026-06-22)
BORSALI Atika
Dans ce mémoire, nous nous sommes intéressés aux techniques de l’intelligence artificielle et de la vision par ordinateur pour la détection des médicaments en temps réel. En vue de la mise en place d’un système intelligent de surveillance des stocks dans une pharmacie, nous avons évalué la capacité des trois modèles YOLOv8, YOLOv6 et RT-DETR à détecter avec précision différentes références de médicaments. Ces modèles sont entraînés et comparés sur des images réelles collectées dans une pharmacie à Tlemcen. Les résultats obtenus sont encourageants : les modèles testés parviennent à reconnaître et à localiser les boîtes de médicaments avec une bonne précision, sans confondre les références entre elles. YOLOv8 s’impose comme le meilleur compromis entre précision et rapidité, ouvrant la voie à un système de surveillance automatique du stock en temps réel.
Conception et implémentation d'un système intelligent de surveillance continue des stocks basés sur la détection visuelle de médicaments
(directeur Dr FANDI Wahiba, co-directeur Dr BEKKAOUI Mokhtaria, 2026-06-22)
BORSALI Atika
Dans ce mémoire, nous nous sommes intéressés à la conception et à la réalisation d’un système intelligent nommé PharmaVision 4.0, basé sur la vision par ordinateur, le Deep Learning et une architecture embarquée. Ce système permet la supervision et la prédiction des stocks d’une pharmacie en temps réel. Ce travail répond aux besoins identifiés à travers une enquête menée auprès des pharmaciens en Algérie. Les résultats de cette enquête ont mis en évidence plusieurs limites des solutions actuellement utilisées, notamment la saisie manuelle des données, l’utilisation de logiciels de gestion classiques ne disposant pas de fonctionnalités intelligentes, ainsi que l’absence d’outils de prédiction de la demande et de détection précoce des risques de rupture de stock. Face à ces limites, nous avons proposé une solution reposant sur deux Raspberry Pi équipés de caméras et intégrant un modèle YOLOv8 entraîné sur 105 types de médicaments réels pour la détection et le suivi automatique des stocks. Cette solution est couplée à un modèle Bi-LSTM capable d’anticiper la demande future afin d’améliorer la gestion des approvisionnements. L’ensemble des informations est centralisé et restitué au pharmacien à travers un tableau de bord web interactif permettant une supervision intelligente et une prise de décision rapide.
Détection et Classification des Maladies des Plantes de Culture par Vision Artificielle et Deep Learning.
(directeur M’HAMEDI Mohammed, co-directeur BEKKAOUI Mokhtaria, 2026-06-18)
Kawthe r CHOUACHI
;
Aya KERROUMI
La culture de la tomate constitue un secteur stratégique pour l’agriculture algérienne, mais elle demeure fortement exposée à plusieurs maladies foliaires susceptibles de réduire significativement les rendements. Dans ce contexte, l’intelligence artificielle et plus particulièrement les techniques de deep learning offrent des solutions prometteuses pour l’automatisation du diagnostic phytopathologique. Ce mémoire présente une étude comparative de plusieurs architectures de deep learning appliquées à la classification et à la détection des maladies des feuilles de tomate à partir du jeu de données PlantVillage. Trois modèles de classification basés sur les réseaux de neurones convolutionnels (VGG19, MobileNetV2 et EfficientNetB3) ont été évalués, avec et sans augmentation de données, afin d’analyser leur capacité de généralisation. Par ailleurs, le modèle YOLOv8n a été étudié pour la détection et la localisation des lésions foliaires. Les résultats obtenus montrent que l’ensemble des modèles étudiés atteint un niveau de performance très élevé. EfficientNetB3 se distingue comme l’architecture de classification la plus performante grâce à son excellent équilibre entre précision et efficacité computationnelle. MobileNetV2 offre quant à lui un compromis particulièrement intéressant pour les applications embarquées en raison de sa légèreté et de sa rapidité d’exécution. Bien que VGG19 fournisse également de bonnes performances, son coût computationnel important et son entraînement plus instable limitent son intérêt pratique. Concernant la détection, YOLOv8n démontre une excellente capacité à identifier et localiser les maladies foliaires en temps réel, ce qui le rend particulièrement adapté aux applications agricoles de terrain. Cette étude met également en évidence l’impact positif de l’augmentation de données sur la robustesse et la capacité de généralisation des modèles. Les résultats obtenus confirment ainsi le potentiel du deep learning comme outil d’aide à la décision pour la surveillance sanitaire des cultures et ouvrent des perspectives prometteuses pour le développement de systèmes intelligents destinés à l’agriculture de précision en Algérie.