Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

10 janvier 2021

Vision par ordinateur basée sur l’apprentissage machine pour la gestion des adventices


Catégorie : Stagiaire


Vision par ordinateur basée sur l’apprentissage machine pour la gestion des adventices

Contexte et objectifs

Les adventices sont en concurrence directe avec les plantes cultivées dans la recherche d'humidité, des nutriments et de la lumière du soleil. Elles ont ainsi un important impact négatif sur le rendement agricole si leur présence n’est pas suffisamment contrôlée. La lutte contre les adventices a toujours été considérée comme un défi majeur pour la production agricole. Les approches et tendances actuelles, de la perception (technologies des capteurs d’image et de localisation, méthodologies d’acquisition, méthodologies de traitement), de la robotique et du numérique en général dont notamment l’intelligence artificielle (IA), ouvrent la voie à de nouvelles avancées dans la lutte contre les mauvaises herbes.

 

Le travail du stage porte sur la localisation et la cartographie des adventices à partir d’images de drone à haute résolution, en utilisant des algorithmes en analyse d’images et de l’apprentissage automatique avancés. La cartographie et la localisation seront implémenter sur une plateforme robotique pour naviguer vers les objets d’intérêts afin de réaliser des tâches comme le désherbage.

 

Dates prévues début-fin : mars 2021-septembre 2021

Lieu : Laboratoire PRISME, INSA CVL

 

Possibilité de poursuivre en thèse.

 

Profil recherché

- Master 2 et/ou école d’ingénieur

- Compétence en vision par ordinateur et en machine learning

- Des connaissances en robotique seront appréciées mais pas indispensable.

- Bon niveau en développement Python, Matlab,…

- Bon niveau en anglais

 

Modalité de candidature

Transmettre par mail aux contacts ci-dessous : un CV, lettre de motivation et relevés de notes.

 

Contact

adel.hafiane@insa-cvl.fr et raphael.canals@univ-orleans.fr

 

Références

[1] M. Kerkeche, A. Hafiane, R. Canals. Vine disease detection in UAV multispectral images using optimized image registration and deep learning segmentation approach, Computers and Electronics in Agriculture, Elsevier, Volume 174, July 2020, 105446

[2] M-D. Bah, A. Hafiane, R. Canals, CRowNet : Deep network for Crop row detection in UAV images, IEEE Access, 2019.

[3] M-D. Bah, A. Hafiane, R. Canals, Deep Learning with Unsupervised Data Labeling for Weed Detection in Line Crops in UAV Images, Remote Sensing, Volume 10, 2018.

[4] M-D. Bah, A. Hafiane, R. Canals, B. Emile, Deep Features and One-class Classification with Unsupervised Data for Weed Detection in UAV Images, International Conference on Image Processing Theory, Tools and Applications (IPTA), 2019

[5] M-D. Bah, E. Dericquebourg, A. Hafiane, R. Canals Deep Learning based Classification System for Identifying Weeds using High-Resolution UAV Imagery, IEEE Computing Conference, 2018

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.