Titulaire d'un Master Informatique et Électronique des Systèmes Embarqués

Développement d'un système complet de capteurs et de traitement d'images pour drone agricole, intégrant intelligence artificielle embarquée et communication en temps réel.

• Entraînement d'un modèle CNN de détection des maladies des plantes atteignant une précision de 91,07 %.
• Optimisation et déploiement du modèle sur NVIDIA Jetson Nano via TensorFlow Lite, réduisant la taille à 1,6 Mo avec un temps d'inférence de 22 ms.
• Développement d'un serveur API REST avec Flask pour l'intégration des services.
• Implémentation de la communication temps réel via MQTT entre les capteurs et le serveur.
• Conception d'un dashboard web de monitoring en temps réel des cultures.
• Entraînement d'un modèle Random Forest pour la classification par capteurs environnementaux atteignant une précision de 98,2 %.

Conception et développement d'un capteur de flux thermique basé sur un composant Peltier, incluant l'acquisition et l'étalonnage des données.

• Développement d'un capteur basé sur un module Peltier TEC1-1254.
• Utilisation de la plateforme LEXOA pour l'acquisition et l'étalonnage du capteur.

Implémentation d'un algorithme de classification pour reconnaître des formes géométriques simples à partir d'images.

• Implémentation d'un algorithme de classification K-Nearest Neighbors (KNN) en MATLAB.
• Traitement et analyse d'images pour l'entraînement du modèle.

Conception et simulation d'un convertisseur analogique-numérique utilisant l'architecture SAR avec circuit Sample and Hold en technologie CMOS.

• Réalisation d'un convertisseur basé sur l'architecture SAR (Successive Approximation Register).
• Implémentation d'un circuit Sample and Hold en CMOS pour la capture analogique.
• Modélisation et simulation complète du circuit sous Cadence Virtuoso.