Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

14 janvier 2019

Prétraitement des données image par tenseur & Deep Learning pour l’Agriculture de Précision


Catégorie : Stagiaire


 

 

 

 

 

Stage Master 2

Titre du stage : Prétraitement des données image par tenseur & Deep Learning pour l’Agriculture de Précision

Descriptif:

Ces dernières années, les dégâts causés par les mauvaises herbes et les insectes ont représenté environ 40 % des pertes mondiales de rendement et devraient augmenter dans les années à venir. Pour faire face à ce problème, les agriculteurs ont recours à l'épandage de pesticides dans tout le champ. Cette façon d'éliminer les ravageurs implique une grande quantité de pesticides, mais une utilisation incontrôlée de ces produits est coûteuse et néfaste pour l'homme et l'environnement.

Avec les évolutions de la technologie, une nouvelle façon de lutter contre les ravageurs, l'agriculture de précision, est de plus en plus adoptée dans la pratique quotidienne. L'agriculture de précision consiste à utiliser des capteurs pour attribuer la bonne quantité de pesticides au bon moment et au bon endroit.

Toutefois, plusieurs méthodes de détection des adventices sont proposées avec différents systèmes d'acquisition. Par rapport aux acquisitions réalisées par robots au sol ou par satellites, les drones ont été considérés comme plus efficaces car ils permettent une acquisition rapide des images du champ avec une très haute résolution spatiale et un faible coût. Cependant, même avec de fortes avancées technologiques dans le domaine des capteurs et des drones, la détection automatique des mauvaises herbes reste un défi prioritaire car il est encore difficile, aujourd’hui, d’extraire toute l’information des données image.

Ce travail de stage Master va consister à définir une approche pour généraliser les algorithmes classiques des espaces vectoriels à l’espace des tenseurs. Les résultats issus de ces traitements seront alors utilisés dans les algorithmes d'apprentissage en profondeur (Deep Learning) pour la détection des mauvaises herbes dans les images aériennes multi-spectrales acquises grâce à des capteurs montés sur un drone.

 

Profil du candidat

- Master 2 et/ou école d’ingénieur

- Maîtrise des traitements et analyse des images et des signaux

- Très bon niveau en développement informatique
- Des connaissances en Machine Learning seront appréciées

 

Modalité de candidature

Transmettre par email aux contacts ci-dessous : un CV, les relevés de notes.

 

Contacts

raphael.canals@univ-orleans.fr, adel.hafiane@insa-cvl.fr, karim.abed-meraim@univ-orleans.fr

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.