Centre de documentation
scientifique

Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021) 

Public Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de Déformation Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse d'image orientée objet [Termes IGN] apprentissage profond [Termes IGN] carte de la végétation [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] géoréférencement [Termes IGN] image captée par drone [Termes IGN] maladie phytosanitaire [Termes IGN] semis de points [Termes IGN] surveillance de la végétation [Termes IGN] Vaud (Suisse) [Termes IGN] viticulture Index. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu : Introduction générale I- Introduction à la viticulture de précision I.1- Télédétection I.2- Optimisation du rendement I.3- Détection de maladies I.4- Apprentissage profond II- Acquisition des images et méthodologie II.1- Acquisition des images II.2- Méthodologie Résultats et analyse Numéro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747

Documents numériques

peut être téléchargé Suivi des vignes par télédétection... - pdf auteur - Adobe Acrobat PDF