ROYAUME DU MAROC

--------

OFFICE MAROCAIN DE LA PROPRIETE INDUSTRIELLE ET COMMERCIALE

--------

(19)Logo OMPIC

المملكة المغربية

--------

المكتب المغربي

للملكية الصناعية و التجارية

--------

(12)FASCICULE DE BREVET
(11)

N° de publication :

MA 47342 A1

(43)

Date de publication :

31.05.2021

(51)

Cl. internationale :

G06F 19/00; G01R 31/00

(21)

N° Dépôt :

47342

(22)

Date de Dépôt :

04.11.2019

(71)

Demandeur(s) :

Université internationale de Rabat, PARC TECNOPOLIS RABAT-SHORE CAMPUS UNIVERSITAIRE UIR ROCADE RABAT-SALE 11100 (MA)

(72)

Inventeur(s) :

El ouahabi Mohamed ; Ghogho Mounir ; Ahajjam Mohamed Aymane ; Kobbane Abdellatif ; Bonilla Licea Daniel

(74)

Mandataire :

Bouya Mohsine

(54)

Titre : Système intelligent pour détection et notification instantanée des perturbations de la qualité du signal électrique

(57)

Abrégé : La présente invention porte sur un système intelligent pour détection et notification instantanée des défauts de la qualité du signal électrique caractérisé par : • Un système incorporant des connecteurs d’entrée pour câbles électriques, un adaptateur électromagnétique, une unité de traitement et un système de transmission sans fil. • Ledit adaptateur électromagnétique adapte sans altération la tension d’entrée à la tension d’entrée de ladite unité de traitement. • Ladite unité de traitement gère l’exécution et le stockage des résultats du pré-traitement du signal électrique et du modèle de classification. • Le prétraitement dudit signal électrique permet de le convertir en une image superposant la représentation temporelle et la représentation fréquentielle du signal. • Ledit modèle de classification prend ladite image pour identifier l’existence des défauts en utilisant une architecture de deep learning se basant sur une classification multi-label. Ce système permet la détection de plusieurs défauts seules ou en combinaisons, d’une manière instantanée, intelligente et intuitive des signaux électriques. Ce produit est fondé sur une méthode d’intelligence artificielle, plus précisément de deep learning, se basant sur l’idée qu’une inspection visuelle par l’humain du domaine temporel et fréquentiel du signal permet l’identification du (des) défaut(s).