Abstract:
Ce mémoire de master développe un système de drone intelligent équipé de vision normale et
thermique pour l'inspection autonome des silos à blé. Il établit un modèle dynamique de quadrirotor
et compare les commandes PID par Mode Glissant (SMC), cette dernière s'avérant plus robuste
pour le suivi de trajectoire. Un système de détection de défauts piloté par l'IA a été créé en utilisant
un jeu de données personnalisé et un modèle de réseau neuronal convolutif entrainé via Teachable
Machine pour identifier des problèmes tels que les fissures et la rouille. Un prototype fonctionnel a
été construit et calibré, démontrant que l'intégration d'une commande avancée, de capteurs à double
vision et de l'IA permet des inspections complètes et non invasives qui améliorent la sécurité et
l'efficacité opérationnelle. Ce travail fait le lien entre la recherche théorique et la mise en œuvre
pratique pour la gestion moderne des infrastructures.
