Descripteur
Documents disponibles dans cette catégorie (390)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Développement de la plateforme ApeX Web : application collaborative pour le suivi de la vigueur de la vigne Type de document : Mémoire Auteurs : Paul Mazeran, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2019 Importance : 45 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] bilan hydrique
[Termes IGN] Bootstrap (EDI)
[Termes IGN] climat méditerranéen
[Termes IGN] espace partagé de travail en ligne
[Termes IGN] interface mobile
[Termes IGN] irrigation
[Termes IGN] outil d'aide à la comparaison
[Termes IGN] travail coopératif
[Termes IGN] viticultureIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le suivi de la contrainte hydrique subite par la vigne est primordial dans le monde viticole. La méthode actuelle dite du Potentiel Hydrique Foliaire de Base est limitante par son coût matériel et humain. L’Institut Français de la Vigne et du Vin (IFV) travaille donc depuis plus de 10 ans sur la mise en place d’une nouvelle méthode de suivit hydrique basée sur l’observation des apex (extrémité en croissance du plan de vigne). En 2017, l’équipe AgroTIC, décide de démocratiser cette nouvelle méthode en développant les outils numériques nécessaires à sa mise en place. Le premier outil développé est une application mobile « Apex Vigne » permettant la collecte des données géolocalisées et un affichage succinct des résultats. Le second outil à développer est une interface web venant compléter l’application. C’est donc dans le cadre du développement de cette interface web que j’ai rejoint l’équipe AgroTIC. L’objectif de ce stage étant de développer une interface web fonctionnelle en collaboration avec les futurs utilisateurs, intégrant une interface de visualisation, des outils de correction et de comparaison des données ainsi que tout autre outil présentant une utilité pour le viticulteur. Les contraintes du stage sont l’utilisation des outils bootstrap, firebase et chartJS utilisés lors du développement des prémices du site par des élèves de l’ENSG. Note de contenu : Introduction
1. Le projet apex
1.1 Les origines du projet
1.2 Les bases existantes du projet
1.3 Les besoins d'une interface de visualisation
1.4 Gestion de projet
2. Le dÉveloppement de l’interface de visualisation Apex Web
2.1 Les outils utilisés
2.2 Amélioration ou restructuration du code
2.3 Méthode de développement UXdisign
2.4 Gestion de la sécurité
2.5 Démonstration du site
3. Le futur du projet
3.1 Reprise du code
3.2 Les améliorations envisagées
ConclusionNuméro de notice : 26187 Affiliation des auteurs : IGN (2012-2019) Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Technologies de l’Information et de la Communication pour l’Agriculture AgroTIC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94132 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26187-01 PROJET Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Développement de la plateforme ApeX Web... - pdf auteurAdobe Acrobat PDF Potentialités de l’imagerie couleur embarquée pour la détection et la cartographie des maladies fongiques de la vigne / Florent Abdelghafour (2019)
Titre : Potentialités de l’imagerie couleur embarquée pour la détection et la cartographie des maladies fongiques de la vigne Type de document : Thèse/HDR Auteurs : Florent Abdelghafour, Auteur ; Jean-Pierre Da Costa, Directeur de thèse ; Christian Germain, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2019 Importance : 174 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade Docteur, Automatique, Productique, Signal et Image, Ingénierie CognitiveLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] cartographie thématique
[Termes IGN] classification dirigée
[Termes IGN] classification pixellaire
[Termes IGN] image en couleur
[Termes IGN] instrument embarqué
[Termes IGN] maladie phytosanitaire
[Termes IGN] modèle stochastique
[Termes IGN] seuillage d'image
[Termes IGN] surveillance de la végétation
[Termes IGN] tenseur
[Termes IGN] texture d'image
[Termes IGN] traitement d'image
[Termes IGN] viticultureIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le mildiou de la vigne est une phytopathologie d'origine fongique particulièrement inquiétante pour la filière viticole. L'objectif de cette thèse est d'étudier les potentialités de l'imagerie couleur embarquée pour estimer l'état sanitaire des vignobles affectés par le mildiou à l'échelle intra-parcellaire. La solution proposée vise à assister les réseaux de surveillance épidémiologique dans l'estimation des risques sanitaires et dans la préconisation de plans de lutte chimique. En pratique, la chaîne de traitement d'images construite est dédiée à la détection, au dénombrement et à la mesure des tissus symptomatiques du mildiou. Cette chaîne est conçue pour traiter des images acquises directement à la parcelle dans les conditions de travail viticole.La chaîne de traitement s’appuie des représentations structure-couleur et des modèles probabilistes des classes des tissus présents dans les vignes étudiées. Elle opère en trois étapes : formuler des descripteurs pour extraire les propriétés caractéristiques et discriminantes de chaque classe ; modéliser les distributions statistiques de ces descripteurs dans chacune des classes ; affecter chaque pixel à une classe selon son adéquation à leurs modèles. Les descripteurs combinent le tenseur local de structure (LST) avec des statistiques colorimétriques calculées dans le voisinage du pixel considéré. Pour tenir compte de la nature spécifique des LST, les descripteurs font l'objet de transformations pour être représentés dans l'espace log-euclidien. Dans cet espace, il devient possible de modéliser les classes de tissus d'intérêt par des distributions de mélanges de gaussiennes multivariées des représentations structure-couleur. Enfin, la classification est réalisée par Maximum A Posteriori (MAP). Cette chaîne de traitement est appliquée dans un premier temps à des images de vigne saine. Il s'agit de segmenter une image en classes d'organes (feuillage, grappes ou inflorescences et tiges). Les classifications réalisées se montrent très performantes. De plus, la chaîne de traitement s'avère robuste au réglage des principaux hyper-paramètres.Dans un second temps, la chaîne de traitement est adaptée pour traiter des images comportant des symptômes du mildiou ainsi que des facteurs confondants tels que nécroses, décolorations, carences, plaies mécaniques. La méthode de décision s’appuie sur une reconstruction des symptômes par croissance autour de germes. Les critères utilisés reposent sur les représentations structure-couleur et les modèles probabilistes déjà définis. La nouvelle chaîne de traitement permet de détecter de façon fiable les symptômes du mildiou et d'estimer la surface des tissus affectés. Note de contenu : Introduction
1- Etat de l'art
2- -Dispositif expérimental : matériel végétal, instrumentation et protocole de suivi
3- Modéliser conjointement la texture et la couleur dans les images de proxi-détection
4- Reconnaissance des organes de la vigne
5- Détection des symptômes du mildiou de la vigne et estimation de l’intensité de l’infection
Conclusion et perspectivesNuméro de notice : 28573 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie Cognitive : Bordeaux : 2019 Organisme de stage : Laboratoire de l’Intégration du Matériau au Système (Talence) nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-02499420/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97765 Time-space tradeoff in deep learning models for crop classification on satellite multi-spectral image time series / Vivien Sainte Fare Garnot (2019)
Titre : Time-space tradeoff in deep learning models for crop classification on satellite multi-spectral image time series Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur ; Sébastien Giordano , Auteur ; Nesrine Chehata , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2019 Projets : 1-Pas de projet / Conférence : IGARSS 2019, IEEE International Geoscience And Remote Sensing Symposium 28/07/2019 02/08/2019 Yokohama Japon Proceedings IEEE Importance : 4 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal
[Termes IGN] cultures
[Termes IGN] image Sentinel-MSI
[Termes IGN] série temporelleRésumé : (auteur) In this article, we investigate several structured deep learning models for crop type classification on multi-spectral time series. In particular, our aim is to assess the respective importance of spatial and temporal structures in such data. With this objective, we consider several designs of convolutional, recurrent, and hybrid neural networks, and assess their performance on a large dataset of freely available Sentinel-2 imagery. We find that the best-performing approaches are hybrid configurations for which most of the parameters (up to 90%) are allocated to modeling the temporal structure of the data. Our results thus constitute a set of guidelines for the design of bespoke deep learning models for crop type classification. Numéro de notice : C2019-018 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Autre URL associée : URL ArXiv Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2019.8900517 Date de publication en ligne : 14/11/2019 En ligne : https://doi.org/10.1109/IGARSS.2019.8900517 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93352 Estimation of winter wheat crop growth parameters using time series Sentinel-1A SAR data / P. Kumar in Geocarto international, vol 33 n° 9 (September 2018)
[article]
Titre : Estimation of winter wheat crop growth parameters using time series Sentinel-1A SAR data Type de document : Article/Communication Auteurs : P. Kumar, Auteur ; R. Prasad, Auteur ; D. K. Gupta, Auteur ; V. N. Mishra, Auteur ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 942 - 956 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bande C
[Termes IGN] blé (céréale)
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] croissance végétale
[Termes IGN] cultures
[Termes IGN] données polarimétriques
[Termes IGN] estimation statistique
[Termes IGN] hiver
[Termes IGN] image Sentinel-SAR
[Termes IGN] Leaf Area Index
[Termes IGN] régression
[Termes IGN] régression linéaire
[Termes IGN] réseau neuronal artificiel
[Termes IGN] séparateur à vaste marge
[Termes IGN] teneur en eau de la végétationRésumé : (Auteur) In the present study, Sentinel-1A Synthetic Aperture Radar analysis of time series data at C-band was carried out to estimate the winter wheat crop growth parameters. Five different date images were acquired during January 2015–April 2015 at different growth stages from tillering to ripening in Varanasi district, India. The winter wheat crop parameters, i.e. leaf area index, vegetation water content (VWC), fresh biomass (FB), dry biomass (DB) and plant height (PH) were estimated using random forest regression (RFR), support vector regression (SVR), artificial neural network regression (ANNR) and linear regression (LR) algorithms. The Ground Range Detected products of Interferometric Wide (IW) Swath were used at VV polarization. The three different subplots of 1 m2 area were taken for the measurement of crop parameters at every growth stage. In total, 73 samples were taken as the training data-sets and 39 samples were taken as testing data-sets. The highest sensitivity (adj. R2 = 0.95579) of backscattering with VWC was found using RFR algorithm, whereas the lowest sensitivity (adj. R2 = 0.66201) was found for the PH using LR algorithm. Overall results indicate more accurate estimation of winter wheat parameters by the RFR algorithm followed by SVR, ANNR and LR algorithms. Numéro de notice : A2018-337 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1316781 Date de publication en ligne : 18/04/2017 En ligne : https://doi.org/10.1080/10106049.2017.1316781 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90551
in Geocarto international > vol 33 n° 9 (September 2018) . - pp 942 - 956[article]Extracting leaf area index using viewing geometry effects : A new perspective on high-resolution unmanned aerial system photography / Lukas Roth in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)
[article]
Titre : Extracting leaf area index using viewing geometry effects : A new perspective on high-resolution unmanned aerial system photography Type de document : Article/Communication Auteurs : Lukas Roth, Auteur ; Helge Aasen, Auteur ; Achim Walter, Auteur ; Frank Liebisch, Auteur Année de publication : 2018 Article en page(s) : pp 161 - 175 Note générale : Bibliography Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] cultures
[Termes IGN] drone
[Termes IGN] Glycine max
[Termes IGN] image aérienne
[Termes IGN] image RVB
[Termes IGN] indice foliaire
[Termes IGN] Leaf Area Index
[Termes IGN] modélisation géométrique de prise de vue
[Termes IGN] orthoimage géoréférencée
[Termes IGN] segmentation d'image
[Termes IGN] simulation 3D
[Termes IGN] SuisseRésumé : (Editeur) Extraction of leaf area index (LAI) is an important prerequisite in numerous studies related to plant ecology, physiology and breeding. LAI is indicative for the performance of a plant canopy and of its potential for growth and yield. In this study, a novel method to estimate LAI based on RGB images taken by an unmanned aerial system (UAS) is introduced. Soybean was taken as the model crop of investigation. The method integrates viewing geometry information in an approach related to gap fraction theory. A 3-D simulation of virtual canopies helped developing and verifying the underlying model. In addition, the method includes techniques to extract plot based data from individual oblique images using image projection, as well as image segmentation applying an active learning approach. Data from a soybean field experiment were used to validate the method. The thereby measured LAI prediction accuracy was comparable with the one of a gap fraction-based handheld device ( of , RMSE of m 2m−2) and correlated well with destructive LAI measurements ( of , RMSE of m2 m−2). These results indicate that, if respecting the range (LAI ) the method was tested for, extracting LAI from UAS derived RGB images using viewing geometry information represents a valid alternative to destructive and optical handheld device LAI measurements in soybean. Thereby, we open the door for automated, high-throughput assessment of LAI in plant and crop science. Numéro de notice : A2018-287 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.04.012 Date de publication en ligne : 07/05/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.04.012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90402
in ISPRS Journal of photogrammetry and remote sensing > vol 141 (July 2018) . - pp 161 - 175[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2018071 RAB Revue Centre de documentation En réserve L003 Disponible 081-2018073 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2018072 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Close-range hyperspectral image analysis for the early detection of stress responses in individual plants in a high-throughput phenotyping platform / Mohd Shahrimie Mohd Asaari in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)PermalinkPermalinkPermalinkSentinel-2 data analysis and comparison with UAV multispectral images for precision viticulture / Frederica Nonni in GI Forum, vol 2018 n° 1 ([01/01/2018])PermalinkSuivi des cultures dans le périmètre du Loukkos-Maroc : Apport de la télédétection radar et optique / Siham Acharki (2018)PermalinkUnderstanding the temporal behavior of crops using Sentinel-1 and Sentinel-2-like data for agricultural applications / Amanda Veloso in Remote sensing of environment, vol 199 (15 September 2017)PermalinkDeveloping detailed age-specific thematic maps for coffee (Coffea arabica L.) in heterogeneous agricultural landscapes using random forests applied on Landsat 8 multispectral sensor / Abel Chemura in Geocarto international, vol 32 n° 7 (July 2017)PermalinkWREP : A wavelet-based technique for extracting the red edge position from reflectance spectra for estimating leaf and canopy chlorophyll contents of cereal crops / Dong Li in ISPRS Journal of photogrammetry and remote sensing, vol 129 (July 2017)PermalinkViCTOr : paysage virtuel pour explorer les dynamiques de la VIticulture et de la Consommation en TouRaine / Etienne Delay in Cybergeo, European journal of geography, n° 2017 ([01/06/2017])PermalinkAgricultural cropland mapping using black-and-white aerial photography, Object-Based Image Analysis and Random Forests / M.F.A. Vogels in International journal of applied Earth observation and geoinformation, vol 54 (February 2017)Permalink