Back
Texte intégral
Bachelor thesis

Détection d’obstacles à basse altitude pour drone en utilisant du machine learning

SONAR|HES-SO

    2020

Mémoire de bachelor: Haute Ecole de Gestion & Tourisme, 2020

drone, senseur
détection d’obstacle
apprentissage automatique
système d’information géographique
French Étant donné la croissance de l’utilisation des drones dans le milieu agricole et l’utilité de ceux-ci, il semble convenable d’étudier les possibilités d’amélioration de l’autonomie de ces machines. Cet travail explore la possibilité d’utiliser des capteurs et de l’apprentissage automatique afin de détecter en temps réel les obstacles autour de l’appareil et de maintenir une distance de sécurité par rapport aux plantations. Nous allons utiliser la méthode itérative « CRISP-DM » spécialisée pour l’apprentissage automatique afin de développer et tester un modèle qui permet de prédire si le drone est trop proche du sol ou d’un obstacle et nécessite une manoeuvre d’évitement.
Language
  • French
Classification
Economics
Notes
  • Haute Ecole de Gestion Valais
  • Informatique de gestion - Wirtschaftsinformatik
  • hesso:hegvs
License
License undefined
Identifiers
  • RERO DOC 333417
Persistent URL
https://folia.unifr.ch/global/documents/317016
Statistics
Document views: 245 File downloads:
  • Alder_JeanMarie_2020.pdf: 736