Souhaiel ZERGUINE

Conception et développement d’une nouvelle application web interne en utilisant React.js (frontend) , Django (backend) et MySQL (base de données) . Intégration d’un système d’assurance qualité (QA) dès la phase de développement, incluant : - Revue de code systématique via checklists standardisées. - Analyse statique du code avec Ruff , Pylint et ESLint . - Suppression des imports inutilisés et respect des conventions de nommage (camelCase , snake_case , PascalCase ) côté frontend et backend. - Documentation centralisée via Confluence et suivi des tâches via Jira . - Application des principes SOLID et Clean Code pour garantir un développement modulaire, lisible et maintenable. - Mise en place d’un système de journalisation structurée pour répondre aux exigences. - Réalisation de tests manuels ciblés . - Formation de l’équipe de développement aux bonnes pratiques QA et outils d’analyse statique.

Dans le cadre de mon stage, j’ai participé à l’automatisation des machines de transfert et d’émerisage, avec pour objectif d’améliorer l’efficacité opérationnelle et la précision des processus de production. J’ai été impliqué dans la conception et la mise en œuvre d’armoires électriques équipées de systèmes HMI (interface homme-machine), permettant d’optimiser le contrôle et la surveillance des machines. Grâce à cette automatisation, les processus de production ont gagné en fiabilité et en performance, tout en offrant une meilleure gestion des interventions humaines.

Dans le cadre de mon stage d'été, j’ai participé au développement d’un robot mobile téléguidé destiné à la détection de fissures sur surfaces (murs, sols) en temps réel à l’aide de techniques d’intelligence artificielle. Conception matérielle et intégration: Conception et câblage de la partie électrique du robot : alimentation, moteurs, capteurs, servomoteurs, régulateurs de tension. Intégration d’une carte Raspberry Pi 3 comme unité de traitement principale. Montage d’une caméra (Raspberry Pi Camera Module V2) pour l’acquisition d’images. Utilisation de moteurs DC et d’un driver L298N pour le contrôle du déplacement. Réalisation du châssis et fixation des composants électroniques et mécaniques. Développement logiciel & intelligence artificielle: Développement d’un modèle de deep learning (CNN) pour l’analyse des images et la détection automatique des fissures. Entraînement et évaluation du modèle avec une base de données d’images annotées. Implémentation du modèle sur la Raspberry Pi avec Python, OpenCV, et TensorFlow Lite pour l’inférence en temps réel. Création d’une interface web en Flask pour le contrôle à distance du robot et la visualisation des détections. Connectivité & Contrôle: Communication entre le robot et l’interface utilisateur via Wi-Fi. Utilisation du protocole MQTT pour la transmission des données entre les modules. Intégration d’une télémétrie en temps réel pour monitorer l’état du système. Résultats: Ce projet m’a permis de développer des compétences approfondies en vision par ordinateur, embarqué, robotique, et intégration IA sur carte embarquée. Il m’a également familiarisé avec les méthodes de prototypage rapide, le debug hardware, et la gestion de projets techniques pluridisciplinaires Mots-clés : Raspberry Pi, Deep Learning, Python, OpenCV, TensorFlow, Intelligence Artificielle, Robotique, Vision par ordinateur, Flask, MQTT, CNN, Embedded Systems, Camera, Prototypage, Détection de fissures, Projet IoT, Contrôle à distance, Machine Learning.