Le développement de la vision par ordinateur a amené son utilisation pour l'inspection dimensionnelle. Dans le domaine de la conception assistée par ordinateur (CAO), une nouvelle méthode de modélisation a été développée: la géométrie variationnelle. Le présent mémoire fait le lien entre un modèle variationnel et l'inspection des dimensions à l'aide de la vision par ordinateur. Le modèle est enregistré dans une base de données paramétriques équivalente à celle que pourrait produire un logiciel de CAO. La première partie porte sur l'élaboration d'un modèle variationnel simple en deux dimensions. La deuxième partie porte sur l'utilisation du processus de vision par ordinateur permettant d'extraire l'information voulue d'une image. L'image utilisée est celle produite par une caméra CCD. Un progiciel a été développé qui fait le lien entre le modèle et les données obtenues avec la vision par ordinateur. Le système développé est utilisable pour des objets de type polygone à n côtés. Des résultats expérimentaux ont été obtenus avec différents exemples. Ils ont permis de démontrer que le système est très bien adapté pour la vérification des paramètres du modèle. L'utilisation du modèle lors du processus de vision permet le calcul des paramètres réels et de leur précision. Si le modèle contient les paramètres et leurs tolérances, la comparaison peut être faite avec les données obtenues par la vision. Le modèle variationnel est utilisable pour la vérification dimensionnelle à l'aide de la vision par ordinateur. Un des avantages est d'utiliser le même modèle pour la vision que celui utilisé pour la conception. La vérification des dimensions se fait alors sur les paramètres du modèle.

Le pourcentage de la population présentant une déficience visuelle augmente rapidement. Chaque année, le nombre de personnes à déficience visuelle croît d'environ 2 millions dans le monde. L'Organisation Mondiale de la Santé (OMS) estime qu'il y a 39 millions d'aveugles et 246 millions personnes à déficience visuelle sur la planète. De plus, les déficiences visuelles sont fortement reliées au vieillissement. Environ 63% des personnes à déficience visuelle sont âgées de 50 ans ou plus, avec environ 20% de la population mondiale dans ce groupe d‟âge. Pour parvenir à certains niveaux d‟autonomie, la canne blanche est l‟outil qu‟utilise cette tranche de la population. Hors, plusieurs études ont montré que cet outil semble constituer un symbole de discrimination pour ces personnes. Notre recherche entend offrir un outil qui vise non seulement à donner de l‟autonomie aux aveugles mais aussi à amener les personnes voyantes à changer leur point de vue concernant cette population. Sachant que la canne blanche reste l‟outil le plus utilisée par les personnes souffrant de déficience visuelle, nous avons intégré plusieurs senseurs (capteurs de position, accéléromètre etc) dans un bâton (canne blanche) afin de le transformer en ce que nous dénommons une manette pour aveugle. Cet outil permet essentiellement de détecter les gestes que l‟on fait avec l‟outil et aussi de communiquer avec un téléphone intelligent. En plus de cela, nous proposons un jeu qui utilise cette manette comme principal moyen d‟interaction. Ce jeu permet en autre à des personnes voyantes et non-voyantes de pouvoir jouer au même jeu en utilisant les mêmes moyens d‟interaction. Cette problématique a été abordée sous deux volets : la création de la canne et le développement du jeu sérieux. Phase 1 : C‟est la réalisation de la canne intelligente, la canne est composée d‟un accéléromètre, d‟un clavier et d‟un détecteur à ultra son. La fonction de base ce celle-ci est de permettre une détection des obstacles se trouvant sur le chemin de l‟utilisateur, et ce, à l‟aide d‟un détecteur ultra son. Celui-ci, relié à un téléphone intelligent, avertira l‟aveugle de la distance exacte entre lui et l‟obstacle. Cette option sera activable selon le bon vouloir de l‟utilisateur pour ne pas offrir un surplus d‟information inutilisable. Phase 2 : La conception d‟un jeu spécialisé pertinent et sérieux, directement relié à la canne, représente le défi fondamental du projet. Le but est d‟élaborer un jeu intéressant, pouvant se jouer de n‟importe quelle place et directement à l‟aide de la canne. L‟utilisation du clavier comme interface est donc évidemment nécessaire. La connexion déjà établie avec le téléphone intelligent offre de nombreuses possibilités quant à la nature du jeu. L‟objectif est de créer un jeu stimulant pour rejoindre l‟intérêt de l‟utilisateur, mais tout de même assez simple dans son fonctionnement pour pouvoir être joué uniquement sur le clavier de 12 cases. L‟absence de possibilité de stimulation tactile, comme l‟offrent beaucoup de jeu pour aveugles et malvoyants, et la limitation dans les stimulations sonores compliquent grandement les tâches et ne laissent que très peu de possibilités de jeu. En résumé, les travaux de ce mémoire présentent les bases pour l'utilisation d'une canne intelligente visant à développer un jeu sérieux qui utilise cet outil comme moyen d‟interaction dans le but d'améliorer le reflex de l‟aveugle. De plus, notre outil va lui faire oublier son handicap, vu qu‟il va avoir la même chance de gagner contre un concurrent voyant.

One of the unique features of mobile applications is the context awareness. The mobility and power afforded by smartphones allow users to interact more directly and constantly with the external world more than ever before. The emerging capabilities of smartphones are fueling a rise in the use of mobile phones as input devices for a great range of application fields; one of these fields is the activity recognition. In pervasive computing, activity recognition has a significant weight because it can be applied to many real-life, human-centric problems. This important role allows providing services to various application domains ranging from real-time traffic monitoring to fitness monitoring, social networking, marketing and healthcare. However, one of the major problems that can shatter any mobile-based activity recognition model is the limited battery life. It represents a big hurdle for the quality and the continuity of the service. Indeed, excessive power consumption may become a major obstacle to broader acceptance context-aware mobile applications, no matter how useful the proposed service may be. We present during this thesis a novel unsupervised battery-aware approach to online recognize users’ outdoor activities without depleting the mobile resources. We succeed in associating the places visited by individuals during their movements to meaningful human activities. Our approach includes novel models that incrementally cluster users’ movements into different types of activities without any massive use of historical records. To optimize battery consumption, our approach behaves variably according to users’ behaviors and the remaining battery level. Moreover, we propose to learn users’ habits in order to reduce the activity recognition computation. Our innovative battery-friendly method combines activity recognition and prediction in order to recognize users’ activities accurately without draining the battery of their phones. We show that our approach reduces significantly the battery consumption while keeping the same high accuracy. Une des caractéristiques uniques des applications mobiles est la sensibilité au contexte. La mobilité et la puissance de calcul offertes par les smartphones permettent aux utilisateurs d’interagir plus directement et en permanence avec le monde extérieur. Ces capacités émergentes ont pu alimenter plusieurs champs d’applications comme le domaine de la reconnaissance d’activités. Dans le domaine de l'informatique omniprésente, la reconnaissance des activités humaines reçoit une attention particulière grâce à son implication profonde dans plusieurs problématiques de vie quotidienne. Ainsi, ce domaine est devenu une pièce majeure qui fournit des services à un large éventail de domaines comme la surveillance du trafic en temps réel, les réseaux sociaux, le marketing et la santé. Cependant, l'un des principaux problèmes qui peuvent compromettre un modèle de reconnaissance d’activité sur les smartphones est la durée de vie limitée de la batterie. Ce handicap représente un grand obstacle pour la qualité et la continuité du service. En effet, la consommation d'énergie excessive peut devenir un obstacle majeur aux applications sensibles au contexte, peu importe à quel point ce service est utile. Nous présentons dans de cette thèse une nouvelle approche non supervisée qui permet la détection incrémentale des activités externes sans épuiser les ressources du téléphone. Nous parvenons à associer efficacement les lieux visités par des individus lors de leurs déplacements à des activités humaines significatives. Notre approche comprend de nouveaux modèles de classification en ligne des activités humaines sans une utilisation massive des données historiques. Pour optimiser la consommation de la batterie, notre approche se comporte de façon variable selon les comportements des utilisateurs et le niveau de la batterie restant. De plus, nous proposons d'apprendre les habitudes des utilisateurs afin de réduire la complexité de l’algorithme de reconnaissance d'activités. Pour se faire, notre méthode combine la reconnaissance d’activités et la prédiction des prochaines activités afin d’atteindre une consommation raisonnable des ressources du téléphone. Nous montrons que notre proposition réduit remarquablement la consommation de la batterie tout en gardant un taux de précision élevé.

L'assistance traditionnelle d'une personne atteinte de la maladie d'Alzheimer est une tâche difficile, coûteuse et complexe. La nécessité d’avoir une personne aidante presque tout le temps avec le patient épuise les ressources humaines et financières du système de santé. De plus, la relation est souvent compliquée entre l'aidant et le patient qui souhaite préserver son intimité. L'émergence du domaine de l'intelligence ambiante a permis la conception d’une assistance technologique où un agent artificiel, appelé aussi agent ambiant, vient aider et diminuer le temps passé par l’aidant dans l’habitat du patient. Comme dans l’assistance traditionnelle, l’agent ambiant observe le patient ou son environnement en analysant les mesures envoyées par les différents senseurs installés dans la maison qui est nommée par ce fait un habitat intelligent. Préférablement d’une façon non supervisée, l’agent ambiant se doit d’apprendre le comportement normal du patient qui peut se traduire par la création d’une structure qui définit les différentes activités de la vie quotidienne (AVQ) que le patient est habitué à effectuer. Ensuite, grâce à l’heure courante et aux récentes actions détectées, l’agent ambiant va essayer de reconnaître l’activité entamée par le patient pour être en mesure de détecter des erreurs et proposer de l’aide en comparant les comportements normaux aux récentes actions détectées. Plusieurs problèmes caractérisent cette nouvelle assistance, mais le plus grand défi de cette solution, qui réside dans l’étape de reconnaissance d’activités, est causé par le nombre très élevé des AVQs que nous appelons aussi le nombre d'hypothèses. En effet, comme chaque activité se compose de plusieurs actions, la reconnaissance d’activités se traduit donc par la recherche des récentes actions détectées parmi toutes les actions de toutes les AVQs, et ce, en temps réel. Dans cette thèse, nous proposons des contributions dans les différentes étapes de l’assistance technologique. Nous répondons essentiellement à la problématique de la reconnaissance d’activités par la réduction maximale, à un instant précis, du nombre d'hypothèses. Tout d’abord, nous explorons la fouille de données temporelles et nous présentons notre propre algorithme de création de comportements normaux d’une façon non supervisée. L’algorithme analyse l'historique des senseurs activés afin de découvrir les motifs fréquents fermés qui représentent les modèles d’activités. Ensuite, nous explorons les séries temporelles pour choisir la technique de prédiction la plus adéquate à la prédiction des temps de débuts des différentes AVQs. Une méthode probabiliste est détaillée par la suite pour réduire le nombre d’hypothèses et reconnaître l’activité entamée. Nous terminons notre approche par l’utilisation des séries temporelles multivariées pour la prédiction du temps d’activation de chaque senseur de l’activité reconnue, ce qui aide l’agent ambiant à bien choisir le moment d’intervention pour proposer de l’aide, si nécessaire. Notre approche se base essentiellement sur l'aspect temporel et n'offre pas juste une solution à la problématique de la reconnaissance d'activités, mais elle répond aussi à différentes erreurs, dont celles susceptibles d'être commises par les malades d’Alzheimer comme les erreurs d'initiations qui les empêchent d’amorcer des activités. La validation de notre approche et les tests de ses différentes étapes ont été effectués avec des données réelles enregistrées dans le Laboratoire d’Intelligence Ambiante pour la Reconnaissance d’Activités (LIARA) et les résultats sont satisfaisants.

Ce mémoire de maîtrise se consacre à l’étude des figures discrètes, un sujet à l’intersection de la combinatoire des mots et la géométrie digitale. Décrite simplement, une figure discrète est un assemblage fini de pixels joints côté par côté. Toute figure discrète se décompose en composantes connexes appelées polyominos, un objet très connu en combinatoire et en théorie des jeux. Dans sa thèse, en 2008, Provençal propose quelques problèmes ouverts sur les polyominos et introduit ainsi le concept de polyominos premiers et composés. Jusqu’à maintenant, on en sait très peu sur cette notion de primalité. En effet, à notre connaissance, le seul document qui y fait référence est un article publié en 2012 par Blondin Massé, Garon et Labbé dans lequel les auteurs résolvent une conjecture de Provençal en s’appuyant sur la notion de polyominos premiers et composés. Dans ce mémoire, nous explorons plus en détails ce sujet. En plus de fournir une définition et un cadre plus formel, nous proposons un algorithme polynomial (par rapport au périmètre du polyomino) permettant de décomposer celui-ci en un produit de polyominos premiers. Nous discutons également des implications potentielles de ces idées en cryptographie.

Some mental states, such as fatigue, or sleepiness, are known to increase the potential of accidents in industry, and thus could decrease productivity, even increase cost for healthcare. The highest rate of industrial accidents is usually found among shift workers due to fatigue or extended work hours. When using machine tool or interacting with robotic system, the risk of injury increases due to disturbance, lapse in concentration, vigilance decline, and neglect of the risk during prolonged use. Usually, to guarantee safety of worker, the conventional means is to stop the machine when human presence is detected in the safeguarding area of machine tool or robot workspace. The popular human detection technologies exploit laser scanner, camera (or motion tracker), infrared sensor, open-door sensor, static pressure sensitive floor as described in CSA Z434 standard. Of course, in the field of robotic, human and robot are not allowed to work together in the same workspace. However, new industrial needs lead research to develop flexible and reactive chain production for enabling small quantity production or fast modification in product characteristics. Consequently, more efficient human-machine or human-robot collaboration under a safety condition could improve this flexibility. Our research project aims at detecting and analyzing human safety in industry in order to protect workers. Comparing to the conventional human protection methods, our research exploits Artificial Intelligence approach to track and monitor human head motion and mental state using an instrumented safety helmet, labelled as Smart Safety Helmet (SSH) in the following. The contribution of this thesis consists in the design of data fusion algorithm for the recognition of head motion and mental state, which can be used to analyze the potential risky states of workers. A Smart Safety Helmet embedded with Inertial Measurement Unit (IMU) and EEG sensors will be used to detect and decode the human’s mental state and intention. The acquired information will be used to estimate the accident risk level in order to stop machine and then prevent accident or injury. In human-robot interaction (HRI) paradigm, the human’s intention could be used to predict the worker trajectory in order to control the robot moving trajectory and then to avoid fatal collision. Certains états mentaux, comme la fatigue ou la somnolence, sont connus pour augmenter le potentiel d'accidents dans l'industrie, et pourrait donc réduire la productivité, même augmenter les coûts des soins de santé. Le taux le plus élevé d'accidents au travail est habituellement trouvé parmi les travailleurs en rotation (travail posté) dues à la fatigue ou les heures de travail prolongées. Lors de l'utilisation d’une machine-outil ou lors d’une interaction avec un système robotique, le risque de lésion peut augmenter dû à une perturbation, un manque de concentration, une baisse de vigilance et la négligence du travailleur face au risque présent lors d'une utilisation prolongée (accoutumance au risque). Habituellement, pour garantir la sécurité des travailleurs, des moyens classiques sont l'arrêt complet de la machine lorsque la présence humaine est détectée dans une zone non sécuritaire, par exemple dans l’espace de travail d’un robot. Les technologies industrielles communes de détection humaine exploitent le scanner au laser, la caméra (par la capture de mouvement), le capteur infrarouge, l’interrupteur de porte ouverte, le tapis de capture de la pression statique ; tous ces capteurs sont décrits dans la norme CSA Z434. Jusqu’à tout récemment, dans le domaine de la robotique industrielle, les humains et les robots n’étaient pas autorisés à travailler ensemble dans le même espace. Toutefois, des besoins industriels émergents ont dirigé les recherches pour développer une production flexible et réactive pour favoriser la production de petites quantités ou modifier rapidement des caractéristiques du produit. Par conséquent, une collaboration plus efficace entre l'humain et le robot ou, de manière plus générale entre l'humain et la machine, sous des contraintes de sécurité, pourrait améliorer cette flexibilité et cette réactivité. Notre projet de recherche vise à détecter et à analyser la sécurité humaine dans l'industrie afin de protéger les travailleurs. En comparant les méthodes classiques de protection humaine, notre approche exploite l'intelligence artificielle pour identifier les mouvements de la tête et identifier l'état mental en utilisant un casque de sécurité instrumenté, nommé le Smart Safety Helmet (SSH) dans ce qui suit. La contribution de ce mémoire réside dans la conception de la fusion des données provenant de la reconnaissance de mouvement de la tête et de l'état mental, qui peut être utilisée pour analyser le potentiel de risque encouru par un travailleur. Dans le SSH, une unité de mesure inertielle (IMU) et capteurs EEG ont été intégrés. Ces deux capteurs seront utilisés pour détecter l'état mental de l’humain et décoder son intention. Les informations recueillies seront utilisées pour estimer le risque d'accidents afin d'arrêter la machine et d'empêcher un accident. Dans le paradigme de l’interaction humain-robot, l'intention de l'humain pourrait être utilisée modifier le comportement du robot (réduire sa rigidité ou modifier sa trajectoire).

La culture en serre offre une production annuelle contrôlée et optimale, favorisant l’amélioration de la capacité des récoltes dans les régions nordiques. Selon une étude du groupe AGÉCO, près de 21% des producteurs en serre interrogés désireraient apporter des modifications à leurs installations afin de les rendre plus performantes. Cela touche principalement les serres ayant une superficie inférieure à 2000 m2. Dans le cadre de ce projet, les travaux de recherche portent sur les systèmes hydroponiques commerciaux et résidentiels en circuit fluidique fermé. L’un des principaux problèmes dans ce type de système est la distribution et le maintien de la solution nutritive. Il a été démontré qu’il était possible de maintenir la concentration en nutriments entre des limites acceptables à l’aide d’une régulation. Cependant, le système compensé reste vulnérable à des défaillances du système de maintien de la solution nutritive. Ainsi, l’objectif du projet est de développer un dispositif à faible coût et non invasif permettant détecter des anomalies de la concentration de la solution nutritive dans un système fluidique fermé. Une technique de surveillance est mise sur pied afin de détecter une modification de la concentration de la solution nutritive sur la production de la tomate d’Alaska. Le matériel utilisé pour ce dispositif provient de la fondation Raspberry Pi. Il est composé d’ordinateurs monocartes et de caméras sans filtre infrarouge. Le paramètre mesuré était la fluorescence de la chlorophylle lorsque le plant était soumis à une excitation lumineuse de longueur d’onde de 470 nm. Le dispositif élaboré permet de mesurer une différence significative entre diverses concentrations en nutriments soit 0, 400, 800, 1200 et 1600ppm. Par la suite, un classificateur à base de logique floue a été utilisé afin de tirer un indice de statut nutritionnel du plant. Ce dernier varie entre 0 et 2. La valeur cible recherchée est de 1, soit 1200ppm. Les valeurs inférieures à 1 indiquent une situation de sous-nutrition et les valeurs supérieures à 1, une situation de surnutrition.

Nos activités quotidiennes impliquent des déplacements sur différents types de sol. Pour des personnes souffrant d'un trouble d’équilibre ou de perte d'autonomie, marcher sur certains sols pourrait s’avérer difficile. Il est d’ailleurs connu que 44% des chutes surviennent en trébuchant ou en glissant sur une surface. Ainsi, en raison du risque de chute que représenteraient certains sols, le premier facteur de risque qui devrait être étudié serait le type de sol. Dans cette thèse, nous présentons l'utilisation d'une chaussure interactive pour la différenciation automatique de six types de sol qui possèdent des propriétés physiques différentes. L'analyse de leur vibration lors du coup de talon a permis de les différencier. En effet, un coup de talon au sol donne une approximation de la réponse impulsionnelle du sol, qui peut être analysée aussi bien dans le domaine temporel que fréquentiel. À partir de ces analyses, un indice permettant la différenciation a été calculé. À l'aide d'un second prototype amélioré et adapté aux tailles des pieds, des personnes atteintes de la maladie de Parkinson (PAMP) ; des personnes âgées sans cette maladie et des jeunes adultes en bonne santé ont effectué deux tests cliniques sur différents types de sol. Un indice du risque de chute en fonction des paramètres d’équilibre est également calculé. De cette deuxième expérience, nous avons conclu que le type de sol affecte grandement l’équilibre humain, les paramètres de la marche et donc le niveau du risque de chute. Dans l’objectif de normaliser les paramètres de la marche, plusieurs recherches ont démontré les effets positifs d’une stimulation auditive et/ou visuelle sur les troubles d’équilibre en particulier chez les PAMP. Cependant, dans ces travaux, peu d'études ont évalué l’effet de la stimulation vibrotactile sous la plante du pied tout en la comparant aux autres types de stimulation. Ainsi, dans une troisième partie de notre thèse, nous avons utilisé et comparé trois types de stimulation (auditive, visuelle et vibrotactile). La fréquence de la stimulation a été fixée à 10% au-dessus de la cadence calculée sur le sol ayant le plus faible risque de chute. En fonction de la cadence obtenue, le second prototype (une semelle interactive) peut activer une stimulation vibrotactile visant à améliorer la marche et le contrôle de l'équilibre. Afin d’évaluer l’effet des stimulations utilisées sur le niveau du risque de chute sur un sol, nous avons comparé ces derniers résultats (avec stimulation) avec ceux obtenus dans la deuxième expérimentation (sans stimulation). Nos résultats suggèrent qu'une stimulation appropriée pourrait contribuer à la réduction d’un niveau du risque de chute sur un sol. Nous avons trouvé une différence significative et une diminution des risques de chutes calculés pour la plupart des types de sol en particulier pour les sols déformables qui peuvent faire chuter une personne présentant un trouble de la marche ou en perte d'autonomie. Our daily activities imply displacements on different types of soil. For people with a balance disorder or losing functional autonomy, walking on some types of soil could be difficult. It is known that 44% of falls occur by stumbling or sliding on a surface. Thus, due to the risk of falling of some soils, the first risk factor that should be studied would be the type of soil. In this thesis, we present the use of an interactive shoe for the automatic differentiation of six types of soil with different physical properties. The analysis of their vibration during the heel strike allows differentiating them. Indeed, a heel strike on the soil gives an approximation of the impulse response of the soil, which can be analyzed both in the temporal and frequency domain. From these analyzes, an index allowing differentiation was computed. Using a second improved prototype adapted to the size of the feet, people with Parkinson's disease (PD); the elderly without this disease and healthy young people carried out two clinical tests on different types of soil. An index of the risk of falling as a function of the gait parameters is also computed. From this second experiment, we concluded that the types of soil greatly affect the human balance, the walking parameters and therefore the level of risk of falling. To regulate walking and balance parameters, several studies have demonstrated the positive effects of auditory and/or visual stimulation on balance disorders, particularly in PD participants. However, in these works, few studies have evaluated the effect of vibrotactile stimulation under the sole of the foot while comparing it with other types of stimulation. Thus, in a third part of our thesis, we used and compared three types of stimulation (auditory, visual and vibrotactile). The frequency of stimulation was set at 10% above the cadence evaluated on the soil with the lowest risk of falling. Based on this cadence, the second prototype (an interactive insole) could activate a vibrotactile stimulation to improve walking and balance control. To evaluate the effect of the stimulations on the level of risk of falling over the soil, we compared these results (with stimulation) with those obtained in the second experiment (without stimulation). Our results suggest that an appropriate stimulation may contribute to reducing the risk of falling on soil. We found a significant difference and reduction in the risk of falls computed for most types of soil, particularly for deformable soils that can lead a person with a walking disorder or losing functional autonomy to fall.

Notre projet de recherche consiste à détecter des postures et des mouvements contraignants menant à l’apparition des troubles musculo-squelettiques en milieu de travail. Ce problème de détection a été considéré comme étant un problème de classification supervisée dont le classificateur est un réseau de neurones et les classes sont les différentes postures et mouvements adoptés par un opérateur lors de la réalisation de ses tâches quotidiennes en milieu de travail. Un problème de classification supervisée se réalise en général en trois étapes : 1) l’étape de l’acquisition des signaux, 2) celle du prétraitement, et enfin, 3) celle de la classification. À la première étape, l’acquisition des signaux consiste à mesurer les postures et les mouvements de l’opérateur à l’aide d’un instrument de mesure non-invasif, non-intrusif capable de fonctionner dans son milieu de travail in-situ. L’étape de prétraitement consiste à réduire les signaux acquis à un ensemble de caractéristiques permettant de bien distinguer entre les différentes classes. Pour recueillir les caractéristiques, nous avons utilisé une méthode directe, qui regroupe les caractéristiques globales du déplacement du centre de pression utilisées généralement dans les études de posturologie et d’autres caractéristiques relatives aux accélérations de la tête. Nous avons également proposé une nouvelle méthode, dite graphique qui consiste à discrétiser la surface de la semelle sur laquelle le centre de pression se déplace. D’autre part, afin de réduire le nombre de ces caractéristiques et n’en retenir que les plus pertinentes, nous avons mis en place un nouveau modèle hybride de sélection des caractéristiques dont la singularité réside dans la combinaison de techniques utilisées. Enfin, lors de l’étape de classification, il s’agit d’utiliser les caractéristiques retenues à l’étape de prétraitement comme entrées pour le réseau de neurones. Les résultats de classification obtenus à la fin sont de 95% avec 11 caractéristiques (huit (8) provenant de la méthode directe et trois (3) de la méthode graphique). Bien qu’utilisées seules, les caractéristiques de la méthode graphique ne nous donnent pas les meilleurs résultats de classification (près de 60%), en les ajoutant aux caractéristiques de la méthode directe, le taux de reconnaissance est passé de 90% à 95%. Sans l’étape de réduction de dimensionnalité, nous n’aurions pas pu dépasser un taux de reconnaissance de 70% avec seulement huit (8) caractéristiques de la méthode directe. Enfin, nous avions également développé nos propres fonctions de validation croisée et de sélection de caractéristiques sur MatLAB, ce qui a nettement amélioré nos résultats, en passant de 85% (comme étant le meilleur taux de classification obtenu), à 95% à l’aide de nos propres fonctions.

L’aluminium primaire est produit à partir de l’alumine (Al2O3) selon le procédé Hall-Héroult. Le procédé consiste à la réduction de l’alumine en aluminium par le carbone dans des cuves électrolytiques. L’anode de carbone représente donc un élément incontournable dans ce processus. Non seulement elle est source de carbone, mais elle joue le rôle de conducteur électrique. La qualité des anodes en carbone utilisées dans les cuves d’électrolyse représente ainsi l'un des paramètres les plus importants qui affectent la production de l'aluminium primaire. La pâte d’anode, qui est préparée en utilisant un mélange de coke de pétrole, de brai de houille et de matériaux recyclés, est compactée dans un vibro-compacteur pour former des anodes crues. Dans leur fabrication, le brai agit comme un liant. Sa bonne distribution aura forcément un impact positif sur leur qualité. Ces anodes sont cuites dans des fours de cuisson avant leur utilisation dans les cuves électrolytiques. La qualité de la matière première et les paramètres du processus de fabrication ont un impact significatif sur les caractéristiques de l’anode, notamment la composition chimique, la conductivité électrique, la résistance aux chocs thermiques, l’homogénéité et les réactivités à l’air et au dioxyde de carbone (CO2). Aussi, la qualité des anodes joue un rôle majeur dans la consommation d’énergie, le coût de production et les émissions de gaz à effet de serre. Les études développées pour déterminer le niveau de brai dans les anodes crues utilisent pour la plupart le microscope électronique à balayage ou le microscope optique. Ce qui donne de bons résultats au laboratoire sur de petits échantillons. Toutefois, ces méthodes ne sont pas pratiques sur les lignes de production qui exigent des résultats instantanés. Ainsi, la détection de la distribution du brai sur une surface d'anode est faite visuellement dans les usines. L’objectif de cette étude est de développer une méthode pour déterminer de façon instantanée la répartition du brai sur la face des anodes industrielles crues par l’analyse d’images. Pour ce faire, un logiciel d'analyse d'images a été mis au point et peut rapidement déterminer la répartition du brai sur la surface de l'anode. Le logiciel peut déterminer si la surface de l’anode est en sur-brai ou en sous-brai. Il permet aussi de déterminer la non-homogénéité de la répartition du brai. La mise en oeuvre de ce logiciel est basée sur le fait que toute couleur résulte de la combinaison des trois couleurs primaires que sont le rouge, le vert et le bleu (RGB). Ainsi, en se fixant des seuils pour ces différentes couleurs primaires, il est possible de trouver quelques critères pour identifier le haut niveau de brai. Par ailleurs, le niveau de brai influence l’état de surface des anodes. L’algorithme de Canny est utilisé pour déterminer les limites de particules, et le filtre de Gauss permet d’annuler les bruits générés par l’algorithme de Canny. Le logiciel d’analyse d’images développé est utilisé pour analyser les images d’anodes crues obtenues à l’aide d’un système de prise d’images. Ce système est constitué essentiellement d’un dispositif d'éclairage pour l'éclairage uniforme de surface de l'anode et d’une caméra numérique pour la capture des images. Pour mener à bien cette étude, il a été nécessaire de travailler à l'aluminerie et au laboratoire de l'UQAC pour collecter des données de niveau de brai des anodes crues dans des conditions d’opération différentes et de les analyser. Il s’agit aussi de colliger les résultats de ces différentes analyses d’images avec les caractéristiques des anodes. C’est dans ce sens que plusieurs anodes industrielles avec différentes spécificités ont été fabriquées pour être analysées. Par ailleurs, des anodes de laboratoire avec différentes spécifications couvrant le pourcentage de brai dans les recettes, la répartition granulométrique et différentes conditions de fabrication de l'anode crue ont été produites à l’UQAC. Une analyse chimique a permis de confirmer les résultats de l’analyse d’images. Il s’agit par ailleurs d’une analyse spectrophotométrique des échantillons prélevés dans les zones d’anodes industrielles et de laboratoire indiquées en sur-brai ou en sous-brai par le logiciel d’analyse d’images. Ces zones ont été préalablement sectionnées et moulinées. Les échantillons obtenus ont ensuite été immergés dans du solvant durant un temps bien déterminé pour dissoudre le brai avant l’analyse au spectrophotomètre. Certains résultats de l’analyse chimique de l’ensemble de ces anodes ont permis de parfaire le logiciel d’analyse d’images, et les résultats non utilisés de l’analyse chimique ont été comparés avec ceux de l’analyse d’images pour la validation du logiciel. Primary aluminum is produced from alumina (Al2O3) using the Hall-Heroult process. The method consists of reducing alumina to aluminum using carbon in electrolytic cells. The carbon anode represents an essential element in this process. It is a source of carbon as well as an electrical conductor. The quality of the carbon anodes used in the electrolytic cells is one of the most important parameters that affect the production of primary aluminum. The anode paste, which is prepared by using a mixture of petroleum coke, coal tar pitch, and recycled material, is compacted in a vibro-compactor to form green anodes. These anodes are baked in furnaces before being used in the electrolytic cells. The quality of the raw material and the parameters of the manufacturing process have a significant impact on the anode properties such as the chemical composition, electrical conductivity, thermal shock resistance, homogeneity, and air and CO2 reactivities. The anode quality plays a major role in energy consumption, production cost, and emissions of greenhouse gases. During their manufacture, the pitch acts as a binder. A good distribution of pitch has a positive impact on anode quality. Most of published studies show the use of the optical or scanning electron microscope to determine the pitch distribution. This works well in the laboratory for small samples. The objective of this study is to determine the distribution of pitch on the surface of industrial green anodes by image analysis. To do this, an image analysis software using the Canny algorithm and the distribution of primary colors red, green and blue (RGB) has been developed that can rapidly determine the distribution of pitch on the surface of the anode. This software can determine if the surface of the anode is over-pitched or under-pitched. It can determine the non-homogeneity of the distribution of pitch on the anode surface. In addition, the Gauss filter is used to cancel the noise generated by the Canny algorithm. The developed image analysis software is used to analyze the images of green anode surfaces obtained using an image capture system. This system contains essentially a light for the uniform illumination of the anode surface and a digital camera for capturing images. This study was carried out partly in an aluminum smelter and partly in the carbon laboratory of the UQAC/AAI Chair in order to collect information on the pitch level of green anodes fabricated under different operating conditions, and the results were analyzed. These results from the image analyses were correlated with the characteristics of the anodes. For this purpose, a number of anodes with different properties were produced at the plant. In addition, laboratory anodes with different specifications, including the percentage of pitch, the distribution of particle size, and different green anode manufacturing conditions, were produced in the carbon laboratory at UQAC. A method based on chemical analysis was used to validate the results of the image analysis software developed in the current study. This involved the spectrophotometric analysis of samples taken from different parts of industrial and laboratory anodes that were identified as over-pitch and under-pitch by the image analysis software. The samples were crushed and then were soaked in solvent for a certain time to dissolve pitch before the analysis in the spectrophotometer. Some results of the chemical analysis of lab and industrial anodes helped further improve the image analysis software, and the remaining chemical analysis results allowed the validation of the software by comparing them with those of the image analysis.