INRAE Laboratoire de recherche

Institut de recherche pour l'agriculture, l'alimentation et l'environnement

Lieu de stage

10 rue Arthur Young
Montpellier, France

Développement de méthodes de deep learning sur des images hyperspectrales de grains de blé, pour la classification de variétés. Sujet (PDF)

L’agroécologie s'appuie sur la diversité génétique et les mélanges de variétés au champ pour stabiliser les rendements, améliorer les sols et réduire les intrants, tout en favorisant adaptation aux changements climatiques. Afin de mieux comprendre et et caractériser l'apport des mélanges variétaux, nous devons être capable d'identifier une variété dans un mélange. Actuellement, l'imagerie RVB classique montre de bons résultats pour discriminer les espèces mais reste limitée pour la discrimination des variétés visuellement proches.
Ce stage propose d'exploiter l'imagerie hyperspectrale, qui permet d'accéder à l'information biochimique et structurale grâce à des centaines de longueurs d'onde mesurées, et qui offre une précision de classification supérieure.

L'étudiant développera des approches de classification basées sur des modèles de fondation disponibles et l’apprentissage auto-supervisé, en adaptant des stratégies de pré-entraînement issues de l’imagerie multi- et hyperspectrale afin,d’obtenir des représentations spectrales robustes
Ce travail se poursuivra par une thèse déjà financée dès septembre 2027.

  • Niveaux d’étude
  • Stage Bac+5
Thématiques
  • Intelligence Artificielle
Contacts du stage

Contact du stage : Ecarnot Martin