République Tunisienne
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
Direction Générale des Etudes Technologiques
Institut Supérieur des Etudes Technologiques de Sfax
Soutenance de stage de fin d’études pour l’obtention de
Système médical intelligent de
Licence Appliquée en Technologies de l’Informatique (Spécialité SEM)
détection de stress basé sur
l’IoT
Elaboré par Encadré par Jugé par
M. Sami HADHRI
Eya SAHNOUN M. Mourad MASMOUDI
M. Mondher HADIJI
Sirine TAKTAK M. Hafedh SOUISSI
M. Walid LABIDI
Année Universitaire 2020-2021
Plan
1 2 3 4 5
Introduction Analyse Conception Réalisation Conclusion
&
perspectives
1
01
Introduction
Introduction Présentation de la société Contexte général Problématique Solution
C’est une société multi-services spécialisée dans le domaine informatique
4
Introduction Présentation de la société Contexte général Problématique Solution
5
Introduction
Introduction LNA Présentation de la société
Contexte général Problématique
ConclusionsSolution
& Perspectives
64
Introduction Présentation de la société Contexte général Problématique Solution
7
Introduction Présentation de la société Contexte général Problématique Solution
Introduction
Introduction LNA
Présentation de la société Contexte général Problématique
ConclusionsSolution
& Perspectives
Diagramme de bloc de la solution proposée
9
02
Analyse
Analyse
Introduction
Spécification des besoins non fonctionnels
Mémoire Energie Sécurité Ergonomie
11
Analyse
Introduction
Spécification des besoins fonctionnels
Gérer les patients
Sprint
Consulter les mesures 1 en temps réel
effectuées
Consulter l’historique des mesures
Afficher l’état de stress du patient
12
Analyse
Introduction
Processus d’apprentissage automatique de notre système
13
03
Conception
Conception
Introduction LNA
Conclusions
& Perspectives
Diagramme de cas d'utilisation
général
15
Conception
Introduction Conclusions
& Perspectives
Diagramme de séquence « Consulter les valeurs en temps réel »
16
Conception
Introduction LNA
Conclusions
& Perspectives
Diagramme de composants général
17
05
Réalisation
Réalisation
Introduction LNA
Conclusions
& Perspectives
Architecture du kit médical
Le scénario nominal d’exécution :
(4) (1) Brancher le kit médical formé par NodeMcu
(2)
(5) (ESP8266) et les capteurs (MAX30100, GSR).
(2) Mesurer et envoyer les valeurs récupérées à partir
les capteurs (MAX30100, GSR) vers le cloud Firebase.
(3)
(3) Récupérer les valeurs du Firebase vers la carte
(7) Raspberry pi4.
(8) (4) Effectuer l’apprentissage automatique et déduire
l’état de stress.
(5) Sauvegarder l’état du stress dans le serveur Firebase.
(6) Lancer l’application mobile.
(7) Envoyer une demande pour consulter les valeurs.
(1) (6)
(6)
(8) Envoyer les valeurs sauvegardées de Firebase vers
l’application.
19
Réalisation
20
Réalisation
Introduction
Schéma de câblage du kit Câblage réel du kit
21
Réalisation
Présentation du kit médical
22
Réalisation
Introduction LNA
Conclusions
& Perspectives
Présentation de l’application mobile
Espace patient
23
Réalisation
Introduction LNA
Conclusions
& Perspectives
Espace Médecin
24
Réalisation
Introduction LNA
Conclusions
& Perspectives
Espace Médecin
25
Réalisation
Introduction LNA
Conclusions
& Perspectives
Présentation de la solution proposée
26
05
Conclusion générale &
perspectives
Conclusion &LNA
Introduction perspectives Conclusion généraleConclusions
Perspectives
& Perspectives
Résoudre des problèmes et manipuler plusieurs outils
Maitriser l’utilisation de Firebase
S’intégrer dans la vie professionnelle
Acquérir une expérience dans l'apprentissage automatique
28
Conclusion &LNA
Introduction perspectives Perspectives
Conclusion généraleConclusions
& Perspectives
Gestion de plusieurs niveaux de stress
(repos, stress normal, stress aigu, …)
Ajout d’autres capteurs
29
Merci pour votre
attention
