La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Thrips Photo : Inra (Brun) acariens tétranyques Photo : Inra (Brun) aleurodes Photo : Inra (Brun) champignons oïdium Photo : Inra (Boissard) insectes pucerons.

Présentations similaires


Présentation au sujet: "Thrips Photo : Inra (Brun) acariens tétranyques Photo : Inra (Brun) aleurodes Photo : Inra (Brun) champignons oïdium Photo : Inra (Boissard) insectes pucerons."— Transcription de la présentation:

1 thrips Photo : Inra (Brun) acariens tétranyques Photo : Inra (Brun) aleurodes Photo : Inra (Brun) champignons oïdium Photo : Inra (Boissard) insectes pucerons Photo : Inra (Brun) Botrytis Photo : Inra Les conditions de température et dhumidité sont très favorables au développement rapide des Bioagresseurs On connaît mal linstant et la localisation des premières attaques ou foyers (insectes, acariens, champignons) On a besoin didentifier et de dénombrer les populations pour prendre rapidement les décisions BioSerre Objectif : dans le cadre de la Protection Biologique Intégrée, aider aux prises de décision précoces; approche in situ (non invasive) pour réduire lutilisation de pesticides.

2 BIOSERRE : Réseau de capteurs in situ pour la détection précoce des BIOagresseurs dans les cultures sous SERRE Proposition: Système de vidéo surveillance temps réel des plantes (acquisition, détection et tracking) –Algorithmes de vision adaptatifs –Utilisation de connaissance a priori –Techniques dapprentissage Une camera observant un piège à insectes dans la serre

3 Collaborations passées Action INRIA COLOR Horticol 2001 (INRA/URIH P. Boissard) –Production respectueuse de lenvironnement (rosier/oïdium) –DEA Vincent Leclerc Thèses de Céline Hudelot, Nicolas Maillot (soutenues en 2005) –Approche cognitive pour la détection des parasites du rosier, utilisation dontologies pour lapprentissage et la reconnaissance dobjets Thèse Vincent Martin (2007)

4 Thèse V. Martin But : détecter un parasite (Aleurode) à deux stades de développement : –Aleurodes adultes –Oeufs dAleurodes Support : –Numérisation (scanner à plat) depuis le support naturel (feuilles prélevées sur des rosiers de culture en serre) Approche –Vision cognitive (apprentissage, adaptation au contenu, connaissance a priori…)

5 Thèse V. Martin Résultats expérimentaux Échantillon représentatif de 200 images (=1 serre de 200 m 2 ) dune résolution de 1200 dpi Temps de traitement : ~45 sec / image (2495x4056 pixels)

6 Prototype BIOSERRE Première expérience en cours –5 caméras Wifi installées sous serre au CREAT (130 m 2 ) –surveillance de pièges répartis dans la serre –3 variétés de roses observées, pendant la journée –utilisation de techniques existantes dans Pulsar Acquisition : Zoom Détection: régions dintérêt en blanc Classification : régions labellisées

7 Futur Augmenter nombre de caméras, Plus de types dinsectes détectés & extension aux champignons/maladies Observation directe sur organes (feuilles tiges) Reconnaissance de comportements (ponte, prédation…) Utiliser des algorithmes de Vista Système générique, flexible, adaptable…

8 Brainstorming Quelle connaissance experte utiliser ? (base de données …) Objectif final (atteignable en 2 ans ….) ? –Cartes déchantillonnage ? –« Preuve » de détection précoce ? –Détection de quels comportements (intéressants) ? Avancées pour les biologistes ? Validation vision cognitive ? Fouille de données ?


Télécharger ppt "Thrips Photo : Inra (Brun) acariens tétranyques Photo : Inra (Brun) aleurodes Photo : Inra (Brun) champignons oïdium Photo : Inra (Boissard) insectes pucerons."

Présentations similaires


Annonces Google