Bonjour, je suis
Doctorant — Détection de Panneaux de Signalisation et Reconnaissance de Texte Arabe-Latin
Je suis doctorant à la Faculté des Sciences Appliquées d'Ait Melloul, spécialisé en Systèmes Embarqués et Services Numériques. Ma recherche doctorale porte sur la Détection de Panneaux de Signalisation et la Reconnaissance de Texte en écriture Arabe-Latine à l'aide de techniques de Deep Learning — abordant les défis uniques de la signalisation routière multilingue en Afrique du Nord et dans le monde arabe. Avec plus d'un an d'expérience professionnelle, je combine mon expertise en Intelligence Artificielle, Vision par Ordinateur, IoT et développement Full-Stack pour construire des solutions innovantes et concrètes. De l'agriculture intelligente avec pointage biométrique à la supervision d'infrastructures connectées par IoT, je fais le pont entre la recherche de pointe et l'ingénierie pratique.
Ma recherche doctorale explore des architectures avancées de Deep Learning pour la détection et la reconnaissance en temps réel de panneaux de signalisation contenant du texte arabe et latin. Ce défi de reconnaissance optique de caractères bilingue nécessite des modèles spécialisés capables de gérer des environnements à scripts mixtes, des polices variées, des panneaux usés et des arrière-plans complexes typiques de l'infrastructure routière marocaine et nord-africaine. Le travail combine les techniques de détection d'objets les plus récentes (YOLO, Faster R-CNN) avec des modèles de reconnaissance de texte basés sur les Transformers pour atteindre une compréhension robuste et multilingue des panneaux pour les systèmes de conduite autonome et de transport intelligent.
Faculté des Sciences Appliquées, Ait Melloul
Faculté des Sciences Appliquées, Ait Melloul
Faculté des Sciences Appliquées, Ait Melloul
Faculté des Sciences Appliquées, Ait Melloul
Lycée Qualifiant Sidi Moussa
Développeur Web et IoT
Développeur Web
Développeur Mobile – Application de Pointage Intelligente
AgriWise est une application Android révolutionnaire développée pour moderniser le système de pointage dans le secteur agricole. Cette solution complète combine les dernières technologies biométriques pour offrir une gestion précise et sécurisée du temps de travail. L'application prend en charge trois méthodes d'authentification — empreintes digitales, lecture de cartes NFC et reconnaissance faciale par IA — la rendant adaptable à divers environnements de travail, même dans les champs agricoles reculés avec une connectivité limitée.
Une solution numérique complète développée pour Risouss Agricole, une entreprise leader dans la production et l'exportation de fruits et légumes de haute qualité. Le projet comprend un site web moderne présentant les 12+ années d'expertise de l'entreprise sur 113 hectares de production, gérant 7 500 tonnes annuellement. De plus, une plateforme de gestion interne a été construite pour rationaliser la gestion du personnel, le suivi des stocks et les flux de travail opérationnels.
Une solution IoT de bout en bout développée pour FromTelecom permettant la surveillance en temps réel de citernes d'eau connectées et le suivi GPS de flottes de véhicules. Le système utilise des microcontrôleurs ESP32 et divers capteurs pour collecter des données sur les niveaux d'eau, la température et l'état des citernes, transmettant les informations à un tableau de bord web centralisé. Le module de suivi GPS fournit la localisation en direct des véhicules, l'historique des trajets et des alertes de géofencing pour la gestion de flotte.
Un projet de recherche de pointe en Deep Learning abordant le défi de la détection de panneaux de signalisation et de la reconnaissance de texte bilingue (arabe et latin) dans des environnements routiers réels. Le système implémente la détection d'objets basée sur YOLO pour la localisation en temps réel des panneaux, combinée avec des modèles OCR basés sur les Transformers spécifiquement entraînés pour la reconnaissance de scripts mixtes arabe-latin. Des jeux de données personnalisés ont été collectés à partir de l'infrastructure routière marocaine, comprenant des panneaux usés, des polices variées et des arrière-plans complexes. Le modèle atteint des performances robustes dans différentes conditions d'éclairage, niveaux d'occlusion et états de dégradation des panneaux, contribuant à l'avancement des systèmes de transport intelligent dans les régions multilingues.
Développement d'un système IoT complet pour la gestion intelligente de fermes agricoles. Le système intègre de multiples capteurs (humidité du sol, température, humidité de l'air, luminosité) avec des microcontrôleurs ESP32 pour surveiller les conditions de la ferme en temps réel. Les données sont transmises via le protocole MQTT à un serveur central, fournissant aux agriculteurs des informations exploitables à travers un tableau de bord web pour la planification de l'irrigation, le contrôle climatique et la surveillance de la santé des cultures.
Une étude comparative analysant les trajectoires collectées par des capteurs LIDAR et des caméras RGB avec des capacités de traitement parallèle. Le projet implémente l'acquisition simultanée de données des deux types de capteurs, applique des algorithmes d'extraction de trajectoires et effectue une comparaison quantitative de la précision, de l'exactitude et du coût computationnel. Des techniques de traitement parallèle sont utilisées pour gérer efficacement les grands volumes de données de nuages de points et d'images.
Une application web full-stack pour la gestion de salles de sport et centres d'entraînement. La plateforme gère l'inscription des membres, la gestion des abonnements, la planification des entraîneurs, le suivi de la présence et les rapports financiers. Les fonctionnalités incluent un tableau de bord responsive pour les administrateurs, un portail membres pour la réservation de séances et un système de notification automatisé pour les renouvellements d'abonnements et les rappels de cours.