Where PhDs and companies meet
Menu
Login

Already registered?

New user?

Développement d’une application de comptage de ravageurs de culture utilisant la vision par ordinateur

ABG-106411 Master internship 4 months 600.6 euros (plus si CDD)
2022-06-21
Cirad (la recherche Agronomique pour le développement)
Saint-Pierre Reunion
  • Digital

Employer organisation

Centre International de recherche en Agronomie poir le Développement. L'UR GECO est constitué d'agrnomoe, d'écologue, de modélisateurs travaillant sur la banane notamment.

Description

Problématique et objectifs du stage

Les systèmes de cultures agricoles font face à de multiples ravageurs dont il faut contrôler la population. Des méthodes de piégeages utilisant des attractifs permettent de (i) suivre les populations de ces ravageurs et (ii) réguler ces populations en intensifiant le piégeage si nécessaire. Une étape d’identification et de comptage des individus piégés est nécessaire pour estimer la taille de population de ravageurs. Cette étape est répétitive, fastidieuse et chronophage. C’est sur ce point précis que les projets CRESI CosmoCount et INPP easyPM ont pour objectif d’apporter des améliorations. Le but est d’utiliser la vision par ordinateur pour identifier et dénombrer des petits organismes et produire un outil simple utilisable à partir d’une application smartphone par le plus grand nombre.

Dans le cadre de 2 thèses, des travaux ont été menées pour développer des pipelines permettant la détection au sein d’images de différentes espèces d’arthropodes, dont le charançon Cosmopolites sordidus et le scolyte Hypothenemus hampei, respectivement ravageur du bananier et du café (Tresson et al. 2019, 2021, S. Vilchez 2021). Ces pipelines permettent des pré-traitements et post-traitements d’images qui permettent d’adapter l’utilisation de l’algorithme Yolo (Redmond et al. 2016) pour la détection et la classification de très petits objets sur de grandes images. Nous souhaitons aujourd’hui développer une application smartphone qui permettra le comptage automatisé de C. sordidus et de H. hampei, à partir des pipelines existants.

 Le stagiaire aura à charge de :

- Entraîner les modèles de vision par ordinateur à partir d’un jeu de données (photos de pièges en situation réelle) ;

- Améliorer les pipelines actuels qui utilisent l’algorithme de réseau de neurones Yolo.

- Gestion des métadonnées (ex : coordonnées GPS)

- Optimiser les modèles (fine-tuning) pour obtenir un taux de précision et de rappel > 95 %

- Etudier les possibilités d’adaptation du pipeline pour une utilisation SmartPhone (Android/iOs) ou sur Shiny

Durée et période de stage souhaitées : 3 à 5 mois (entre juillet et décembre 2022). Possibilité de convertir en CDD

Structure d’accueil :  CIRAD, UR GECO Station de Bassin Plat REUNION

Maîtres de stage :  Dominique Carval & Philippe Tixier, CIRAD UR GECO et Leïla Bagny-Beilhe, CIRAD, UMR PHIM

Profil Requis

Etudiant(e) M1/Ingénieur en année de césure en écologie/agronomie, des compétences en analyse d’images et/ou un intérêt dans la vision par ordinateur serait un plus

Base ou maîtrise de langage de programmation (Python, Java, Kotlin)

Qualités : capacité d'autonomie, sens des relations, rigueur et organisation

Indemnités de stage : 600,6 € / mois (sur la base de 3,9. €/h, 7h de présence équivalent à 1 jour et 22 jours de présence équivalent à 1 mois). Prise en charge du billet d’avion A/R.

Financement : Crési CosmoCount

 

Références :

Tresson P., Carval D., Tixier P. & Puech W. 2021. Hierarchical classification of very small objects: Application to the detection of arthropod species. IEEE Access 9: 63925-63932. https://doi.org/10.1109/ACCESS.2021.3075293

Tresson P., Tixier P., Puech W., Bagny-Beilhe L., Roudine S., Pagès C. & Carval D. 2019. CORIGAN: Assessing multiple species and interactions within images. Methods in Ecology and Evolution 10 (11): 1888-1893. https://doi.org/10.1111/2041-210X.13281

Vilchez Mendoza S. J., Bagny-Beilhe L., Bommel P., Cilas C., Ronin A. & Carval D. 2021. Detection and counting of coffee berry borer (Hypothenemus hampei) using computer vision algorithm. Conference of Association for the Science and Information on Coffee (ASIC 2021), Montpellier, France, 28 Juin-1er Juillet 2021

Redmond J., Divvala S., Girshick R. & Farhadi A. 2016. You Only Look Once: Unified, Real-Time Object Detection. arXiv arXiv:1506.02640 

 

 

Profile

Etudiant(e) M1/Ingénieur en année de césure en écologie/agronomie, des compétences en analyse d’images et/ou un intérêt dans la vision par ordinateur serait un plus

Base ou maîtrise de langage de programmation (Python, Java, Kotlin)

Qualités : capacité d'autonomie, sens des relations, rigueur et organisation

Starting date

Dès que possible
Partager via
Apply
Close

Vous avez déjà un compte ?

Nouvel utilisateur ?