Descripteur
Termes IGN > informatique > génie logiciel
génie logicielSynonyme(s)Ingénierie logicielle ;ingénierie du logiciel génie du logicielVoir aussi |
Documents disponibles dans cette catégorie (939)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images / Théo Mesure (2021)
![]()
Titre : Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images : Quelles possibilités d’automatisation ? Type de document : Mémoire Auteurs : Théo Mesure, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse diachronique
[Termes IGN] automatisation
[Termes IGN] calcaire
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] espèce végétale
[Termes IGN] géoréférencement indirect
[Termes IGN] image aérienne
[Termes IGN] Moselle (57)
[Termes IGN] Orfeo Tool Box
[Termes IGN] pelouse
[Termes IGN] protection de la biodiversitéIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’analyse fine et régulière des pelouses calcaires est un enjeu majeur dans le cadre des missions de gestion et de suivi scientifique du Conservatoire d’Espaces Naturels de Lorraine. Les pelouses sont des milieux semi-naturels, soumis à des dynamiques d’embroussaillement fortes et rapides si elles ne sont pas gérées régulièrement. A l’heure actuelle, le suivi de cette dynamique au Conservatoire se fait par analyse diachronique des photos aériennes mises à disposition. Cette analyse est complétée par une cartographie de terrain. Réalisée à la main, cette méthode est pour l’heure assez chronophage. Les travaux effectués au cours de ce stage se positionnent donc dans la continuité de ces études. Au vu des moyens technologiques actuels, le Conservatoire s’interroge sur la possibilité d’automatiser les cartographies d’occupation du sol, afin d’évaluer l’embroussaillement sur ses différents sites. Pour répondre à cette problématique, deux méthodes de classification supervisée ont été développées. Elles suivent le même principe et ne différent que par les données qu’on leur fournie. La première traite des images disposant de canal proche-infrarouge, tandis que la deuxième méthode se concentre elle sur les images ne disposant que du spectre visible. Pour procéder à la classification, les images sont segmentées grâce à l’algorithme de ligne de partage des eaux. On extrait aussi un certain nombre d’informations, directes ou dérivées, de ces images. Les attributs calculés ici, ont été déterminés pour fournir les meilleurs résultats sur la détection des pelouses calcaires. Enfin les segments créés sont donnés au classifieur RandomForest, afin qu’il les ordonne selon un ensemble de classes définies au préalable. Avec les méthodes développées, le classifieur parvient à trouver entre 80% et 90% de vrai positifs pour le type d’arbuste ou de pelouse, selon les années et les données en entrée. Des pistes d’amélioration ont aussi été explorées, telles que l’ajout de données externes ou le lissage de carte. Le deuxième objectif de ce stage était de pouvoir transmettre les méthodes de classification développées au plus grand nombre. Pour cela, des manuels utilisateurs ont été écrits, détaillant chacune des étapes nécessaires. Ces manuels donnent aussi les clefs de compréhension nécessaires à l’analyse des résultats et des attributs produits. A l’issu de ce stage, les perspectives sont nombreuses. Une telle méthodologie offre la possibilité d’un suivi plus régulier et détaillé des sites du Conservatoire. L’utilisation d’une méthode de classification orientée-objet, permet de prendre en compte le travail des experts sur le terrain, ainsi que d’intégrer plus facilement ces données au classifieur. Un travail sur les classes est aussi envisageable : en dehors du bâti, une simplification des classes de végétation est possible, et permettrait de faciliter le travail sur les images anciennes. Pour les images actuelles, un travail sur la nomenclature pourrait être utile pour améliorer le niveau de détail de la carte. En s’appliquant par exemple à différencier arbustes bas, pelouse non-gérée et pelouse non-gérée mitée (i.e avec un début d’embroussaillement). Enfin la faible configuration machine requise, permet d’imaginer des utilisations par un nombre plus grand d’acteurs. Note de contenu : Introduction
1. Contexte et présentation du stage
1.1 Présentation de la structure
1.2 Enjeux et objectifs
1.3 Présentation des sites
1.4 Déroulement et organisation du stage
1.5 Données à disposition
2. Recherches effectuées et principe de la méthode
2.1 Recherche des outils
2.2 Principe de fonctionnement
3. Description et création des attributs et des segments
3.1 Attributs spectraux
3.2 Attributs de texture
3.3 Attributs géométriques
3.4 Création des segments
3.5 Création de statistiques
4. Classifieur utilisé
4.1 SVM et RandomForest
4.2 Arbre de décision
4.3 Construction et fonctionnement du RandomForest
4.4 Jeu d’entraînement, jeu de validation
5. Résultats
5.1 Classes retenues
5.2 Cartes d’occupation du sol, images récentes
5.3 Cartes d’occupation du sol, images anciennes
5.4 Evaluation détaillée du classifieur
5.5 Statistiques d’occupation du sol
6. Limites et améliorations
6.1 Limites de la méthode
6.2 Limites de la nomenclature
6.3 Limites sur le panchromatique
6.4 Limites sur le RVB ancien
6.5 Limites sur l’évaluation du classifieur
6.6 Limites sur le géoréférencement
6.7 Améliorations possibles
7. Mise à disposition pour les utilisateurs du CENL
7.1 Outils utilisés pour automatiser
7.2 Rédaction et contenu des manuels
7.3 Limites
ConclusionNuméro de notice : 26620 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Conservatoire des Espaces Naturels de Lorraine CENL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98584 Documents numériques
peut être téléchargé
Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images - pdf auteurAdobe Acrobat PDFApport de la photogrammétrie dans la documentation et le suivi d’une tranchée archéologique / Iris Lucas (2021)
![]()
Titre : Apport de la photogrammétrie dans la documentation et le suivi d’une tranchée archéologique Type de document : Mémoire Auteurs : Iris Lucas, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 41 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] Blender
[Termes IGN] colorimétrie
[Termes IGN] état de l'art
[Termes IGN] fouille archéologique
[Termes IGN] Malte
[Termes IGN] modèle numérique de terrain
[Termes IGN] modélisation 3D
[Termes IGN] patrimoine archéologique
[Termes IGN] site archéologique
[Termes IGN] traitement de données
[Termes IGN] Triangulated Irregular NetworkIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’archéologie et la géomatique sont ce qu’on peut appeler des sciences connexes. L’archéologue utilise de l’information géographique, notamment dans la documentation d’un chantier. La photogrammétrie représente un outil précieux, car elle permet de garder une trace précise de ce qui a existé et qui n’est plus. Durant ce stage à l’université de Malte, j’ai cherché à apporter de nouvelles solutions afin d’améliorer les méthodes de documentation en archéologie. Ce rapport traite de l’usage de la photogrammétrie et de l’imagerie pour aider à la documentation d’un site archéologique et notamment au suivi d’une tranchée archéologique. Il abordera spécifiquement des questions de volumétrie et colorimétrie. Note de contenu :
Introduction
1. Problème et organisation
1.1 Enjeu et objectif
1.2 Gestion de projet
1.3 Etat de l’art sur les méthodes de documentation
2. Solutions techniques élaborées
2.1 Volumétrie
2.2 Colorimétrie
2.3 Géoréférencement
3. Réalisations
3.1 Présentation des sites
3.2 Acquisitions
3.3 Résultats
ConclusionNuméro de notice : 26617 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Université de Malte Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98559 Documents numériques
peut être téléchargé
Apport de la photogrammétrie dans la documentation et le suivi... - pdf auteurAdobe Acrobat PDF
Titre : Artificial intelligence : Latest advances, new paradigms and novel applications Type de document : Monographie Auteurs : Eneko Osaba, Auteur ; Esther Villar-Rodriguez, Auteur ; Jesus L. Lobo, Auteur ; et al., Auteur Editeur : London [UK] : IntechOpen Année de publication : 2021 Importance : 158 p. Format : 16 x 23 cm ISBN/ISSN/EAN : 978-1-83962-389-9 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] exploration de données
[Termes IGN] innovation
[Termes IGN] modèle orienté agent
[Termes IGN] organisme international
[Termes IGN] reconnaissance de formes
[Termes IGN] règlement
[Termes IGN] réseau neuronal artificiel
[Termes IGN] Spark
[Termes IGN] système d'informationRésumé : (éditeur) Artificial Intelligence (AI) is widely known as a knowledge field that aims to make computers, robots, or products that mimic the way humans think. In the current scientific community, AI is an intensively studied area composed of multiple branches. Historically, machine learning and optimization are two of the most studied fronts thanks to the development of novel and challenging research topics such as transfer optimization, swarm robotics, and drift detection and adaptation to evolving conditions in real-time. This book collects radically new theoretical insights, reporting recent developments and evincing innovative applications regarding AI methods in all fields of knowledge. It also presents works focused on new paradigms and novel branches of AI science. Note de contenu : 1- Introductory chapter: Artificial intelligence - Latest advances, new paradigms and novel applications
2- Big data framework using Spark architecture for dose optimization based on deep learning in medical imaging
3- Novelty detection methodology based on self-organizing maps for power quality monitoring
4- AI-powered workforce management and its future in India
5- Agent based load balancing in grid computing
6- A food recommender based on frequent sets of food mining using image recognition
7- The prospects for creating instruments for the coordination of activities of international organizations in the regulation of artificial intelligence
8- Artificial intelligence assisted innovation
9- Quest for I (intelligence) in AI (artificial intelligence): A non-elusive attemptNuméro de notice : 28633 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.87770 En ligne : https://doi.org/10.5772/intechopen.87770 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99636
Titre : Artificial neural networks in agriculture Type de document : Monographie Auteurs : Sebastian Kujawa, Éditeur scientifique ; Gniewko Niedbała, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 283 p. Format : 16 x 23 cm ISBN/ISSN/EAN : 978-3-0365-1579-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] agriculture
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] couvert végétal
[Termes IGN] déformation temporelle dynamique (algorithme)
[Termes IGN] détection d'arbres
[Termes IGN] Google Earth
[Termes IGN] image à haute résolution
[Termes IGN] phénologie
[Termes IGN] réseau neuronal artificiel
[Termes IGN] surveillance agricoleRésumé : (éditeur) Modern agriculture needs to have high production efficiency combined with a high quality of obtained products. This applies to both crop and livestock production. To meet these requirements, advanced methods of data analysis are more and more frequently used, including those derived from artificial intelligence methods. Artificial neural networks (ANNs) are one of the most popular tools of this kind. They are widely used in solving various classification and prediction tasks, for some time also in the broadly defined field of agriculture. They can form part of precision farming and decision support systems. Artificial neural networks can replace the classical methods of modelling many issues, and are one of the main alternatives to classical mathematical models. The spectrum of applications of artificial neural networks is very wide. For a long time now, researchers from all over the world have been using these tools to support agricultural production, making it more efficient and providing the highest-quality products possible. Note de contenu : 1- Plant and weed identifier robot as an agroecological tool using artificial neural networks for image identification
2- Oil palm tree detection and health classification on high-resolution imagery using deep learning
3- Average degree of coverage and coverage unevenness coefficient as parameters for spraying quality assessment
4- The relationship between soil electrical parameters and compaction of Sandy Clay Loam soil
5- Evaluation of convolutional neural networks’ hyperparameters with transfer learning to determine sorting of Ripe Medjool dates
6- Mapping paddy rice using weakly supervised long short-term memory network with time series sentinel optical and SAR images
7- Time series prediction with artificial neural networks: An analysis using Brazilian soybean production
8- Machine learning for plant breeding and biotechnology
9- A hybrid CFS filter and RF-RFE wrapper-based feature extraction for enhanced agricultural crop yield prediction modeling
10- Crop growth stage GPP-driven spectral model for evaluation of cultivated land quality using GA-BPNN
11- Corn grain yield estimation from vegetation indices, canopy cover, plant density, and a neural network using multispectral and RGB images acquired with unmanned aerial vehicles
12- Modeling the dynamic response of plant growth to root zone temperature in hydroponic Chili pepper plant using neural networks
13- ANN-based continual classification in agriculture
14- Application of artificial neural networks to analyze the concentration of ferulic acid, deoxynivalenol, and nivalenol in winter wheat grain
15- Neural visual detection of grain weevil (sitophilus granarius L.)Numéro de notice : 28624 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-1579-3 En ligne : https://doi.org/10.3390/books978-3-0365-1579-3 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99553
Titre : Assessment of renewable energy resources with remote sensing Type de document : Monographie Auteurs : Fernando Ramos Martins, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 244 p. Format : 16 x 23 cm ISBN/ISSN/EAN : 978-3-0365-0481-0 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] climat
[Termes IGN] détection des nuages
[Termes IGN] données lidar
[Termes IGN] énergie éolienne
[Termes IGN] énergie géothermique
[Termes IGN] énergie renouvelable
[Termes IGN] énergie solaire
[Termes IGN] Extreme Gradient Machine
[Termes IGN] hydroélectricité
[Termes IGN] image GOES
[Termes IGN] Matlab
[Termes IGN] prévision météorologique
[Termes IGN] rayonnement solaire
[Termes IGN] réseau neuronal artificiel
[Termes IGN] semis de pointsRésumé : (éditeur) The book “Assessment of Renewable Energy Resources with Remote Sensing" focuses on disseminating scientific knowledge and technological developments for the assessment and forecasting of renewable energy resources using remote sensing techniques. The eleven papers inside the book provide an overview of remote sensing applications on hydro, solar, wind and geothermal energy resources and their major goal is to provide state of art knowledge to contribute with the renewable energy resource deployment, especially in regions where energy demand is rapidly expanding. Renewable energy resources have an intrinsic relationship with local environmental features and the regional climate. Even small and fast environment and/or climate changes can cause significant variability in power generation at different time and space scales. Methodologies based on remote sensing are the primary source of information for the development of numerical models that aim to support the planning and operation of an electric system with a substantial contribution of intermittent energy sources. In addition, reliable data and knowledge on renewable energy resource assessment are fundamental to ensure sustainable expansion considering environmental, financial and energetic security. Note de contenu : 1- Enhancement of cloudless skies frequency over a large tropical reservoir in Brazil
2- On the land-sea contrast in the surface solar radiation (SSR) in the Baltic region
3- Real-time automatic cloud detection using a low-cost sky camera
4- Attenuation factor estimation of direct normal irradiance combining sky camera images and mathematical models in an inter-tropical area
5- Multistep-ahead solar radiation forecasting scheme based on the light gradient boosting machine: A case study of Jeju Island
6- Modified search strategies assisted crossover whale optimization algorithm with selection operator for parameter extraction of solar photovoltaic models
7- Industry experience of developing day-ahead photovoltaic plant forecasting system based on machine learning
8- The global wind resource observed by scatterometer
9- Coastal wind measurements using a single scanning LiDAR
10- Characterizing geological heterogeneities for geothermal purposes through combined geophysical prospecting methods
11- A computational workflow for generating a voxel-based design approach based on subtractive shading envelopes and attribute information of point cloud dataNuméro de notice : 28653 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0481-0 En ligne : https://doi.org/10.3390/books978-3-0365-0481-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99795 Cartographie de gîsements de matières colorantes utilisées pendant la Préhistoire et configuration de l’application Input de relevés de terrain / Mathilde Waymel (2021)
PermalinkClustering et apprentissage profond sous contraintes pour l’analyse de séries temporelles : Application à l’analyse temporelle incrémentale en télédétection / Baptiste Lafabregue (2021)
PermalinkPermalinkPermalinkPermalinkPermalinkESA UGI (Unified-GNSS-Ionosphere): An open-source software to compute precise ionosphere estimates / Raül Orús-Pérez in Advances in space research, vol 67 n° 1 (January 2021)
PermalinkPermalinkÉtude sur la réalisation d’un levé d’intérieur par photogrammétrie via un smartphone / Maxence Augé (2021)
PermalinkPermalink