EUVIMEDEUVIMED entdecken
Crossref

Détection automatique de plantes au sein d’images aériennes de champs par apprentissage non supervisé et approche multi-agents

Eliott Jacopin, Antoine Cornuéjols, Christine Martin, Farzaneh Kazemipour, Christophe Sausse

Revue Ouverte d'Intelligence Artificielle · 2021

DOI: 10.5802/roia.12 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revue Ouverte d'Intelligence Artificielle, 2021. Verfasst von Eliott Jacopin und 4 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Cet article a pour objet la détection de plantes à partir d’images aériennes capturées par drones. Une méthode efficace de détection bénéficierait autant aux agriculteurs qui souhaitent connaître l’état de leurs cultures et en prédire le rendement qu’aux agronomes pour faciliter l’acquisition de données expérimentales et en réduire le coût. Nous proposons une méthode en deux étapes avec, d’abord, un apprentissage non supervisé, puis la mise en œuvre d’un système multi-agent faiblement paramétré. Dans un premier temps, un clustering estime la position des rangs et des plantes en s’appuyant sur des contraintes géométriques connues a priori, à savoir que les rangs de cultures sont globalement équidistants entre eux et qu’il en est de même pour les plantes au sein d’un rang. Dans un second temps, le système multi-agent raffine l’estimation fournie par l’étape de clustering et isole chaque plante. Nous démontrons les performances de la méthode sur des tâches de comptage de plants de tournesols. Les résultats obtenus sont comparables à ceux de l’état de l’art sur les problèmes faciles et nettement supérieurs sur les problèmes difficiles. Nous présentons ensuite des résultats sur l’identification de gradients de densité dans un champ en fonction de la répartition des plantes qui ont levées. Une contribution importante de ce travail concerne également la mise au point d’un outil de génération de champs virtuels avec le moteur de jeu Unity . Il devient ainsi possible de générer facilement des jeux de données réalistes correspondant à des situations diverses ce qui permet de contourner la difficulté d’obtenir des jeux de données étiquetés.

Zitieren

APA

Jacopin, E., Cornuéjols, A., Martin, C., Kazemipour, F., & Sausse, C. (2021). Détection automatique de plantes au sein d’images aériennes de champs par apprentissage non supervisé et approche multi-agents. Revue Ouverte d'Intelligence Artificielle. https://doi.org/10.5802/roia.12

Vancouver

Jacopin E, Cornuéjols A, Martin C, Kazemipour F, Sausse C. Détection automatique de plantes au sein d’images aériennes de champs par apprentissage non supervisé et approche multi-agents. Revue Ouverte d'Intelligence Artificielle. 2021. doi:10.5802/roia.12

BibTeX
@article{Jacopin2021,
  author = {Jacopin, Eliott and Cornuéjols, Antoine and Martin, Christine and Kazemipour, Farzaneh and Sausse, Christophe},
  title = {Détection automatique de plantes au sein d’images aériennes de champs par apprentissage non supervisé et approche multi-agents},
  journal = {Revue Ouverte d'Intelligence Artificielle},
  year = {2021},
  doi = {10.5802/roia.12}
}
Kostenlos starten →